COVID-19 后急性炎症性心脏受累患者的心肌保护研究
该数据集来自 clinicaltrials.gov，聚焦 COVID-19 感染后出现新发心脏症状、符合 CMR 心肌受累标准且既往无心血管疾病的患者
基本信息
资源简介
COVID-19 后急性炎症性心脏受累患者的心肌保护研究
该数据集来自 clinicaltrials.gov，聚焦 COVID-19 感染后出现新发心脏症状、符合 CMR 心肌受累标准且既往无心血管疾病的患者。研究将受试者随机分配至 16 周 Losartan/Prednisolon 或安慰剂治疗，影像采集遵循标准化协议并由核心实验室分析，研究者和受试者均对分组及影像结果设盲。主要结局为 MRI 测量的 LVEF 从基线至 16 周的变化，次要结局源站未完整提供。数据可用于评估心肌保护治疗对左心室功能及心脏受累相关指标的影响（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：COVID-19 相关心脏受累、左心室重构、血管重构、左心室功能障碍、运动不耐受、血管炎症、微血管性心绞痛、Long COVID。已记录 COVID-19 感染、在 COVID-19 感染后出现新发心脏症状、符合预定义 CMR 标准的 PostCOVID 心肌受累且既往无已知或可证实心血管疾病的患者将被随机分配至 16 周 Losartan/Prednisolon 或安慰剂治疗。所有影像均按照标准化影像协议忠实执行。所有图像均在专门的核心实验室中分析，以确认是否符合纳入条件。研究者和受试者对分组分配和影像结果保持设盲。主要结局是 MRI 测量的 LVEF 从基线至 16 周的变化。次要结局包括
【主题与分类】
主题标签：COVID-19 Associated Cardiac Involvement、Remodeling, Left Ventricle、Remodeling, Vascular、Left Ventricular Dysfunction、Exercise Intolerance、Vascular Inflammation、Microvascular Angina、Long COVID、Myocarditis, Pericarditis。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05619653
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT05619653
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件：COVID-19相关心脏受累、重构、左心室、重构、血管、左心室功能障碍、运动不耐受、血管炎症、微血管性心绞痛、长期COVID。已记录COVID-19感染、在COVID-19感染后出现新发心脏症状、符合预先定义的COVID后心肌受累CMR标准且既往无已知或可证实心血管疾病的患者，将被随机分配接受为期16周的氯沙坦/泼尼松龙或安慰剂治疗。所有影像学检查均遵循标准化影像学方案进行。所有图像均在专门的核心实验室进行分析，以确认是否符合纳入资格。研究者和参与者对分组分配和影像学结果保持盲态。主要结局是基线与16周时通过MRI测量的LVEF变化。次要结局包括临床症状评分、影像学参数、CPET（VO2max）的变化，以及1年后的结局。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
