卒中自然史：病因与发展

数据集获取

源站：https://clinicaltrials.gov/study/NCT00009243

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：脑部疾病，短暂性脑缺血发作，脑血管意外，脑血管障碍，血管疾病。

研究描述：这是一项自然史/疾病发病机制方案，用于评估急性卒中、短暂性脑缺血发作（TIA）或其他脑血管循环障碍患者或存在这些风险的患者。本方案旨在生成自然史数据，作为未来假设驱动型方案的基础，并通过描述疾病表现以及临床、血液学和影像学变量之间的关系，促进对脑血管疾病的临床和生理学理解，同时为未来关于卒中和其他脑血管疾病的研究识别潜在受试者。

目标：

• 建立一个脑血管疾病受试者登记库，涵盖与出血性和缺血性卒中、TIA及其他脑血管循环障碍相关的临床、实验室和影像学变量。

• 基于这些变量，描述急性卒中、TIA及其他脑血管循环障碍的自然史特征。

• 通过探索性分析评估这些变量之间的关系，并为未来验证生成假设。

• 识别用于卒中及其他脑血管疾病研究的潜在受试者。
  终点：本观察性方案的一个主要目的是发现并研究新的影像生物标志物，这些标志物 i) 与急性期表现和严重程度相关，ii) 可预测临床结局，且 iii) 有助于对血液生物标志物和基因表达研究中所反映的生物学反应进行分层。因此，主要结局是影像学研究的结果。
  主要结局指标
  神经影像学所见异常的发生率和类型随急性损伤后时间的变化，例如：

• 急性缺血性脑血管综合征影像学阳性（AICS 阳性）[1]

• 弥散、灌注上存在病灶，以及两者之间的不匹配

• 有血管……的证据

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。