缺血性视神经病变与巨细胞动脉炎的眼眶血管炎症数据集
该数据集来自 clinicaltrials.gov,聚焦巨细胞动脉炎(GCA)相关的眼眶血管炎症,并涉及缺血性视神经病变,包括动脉炎性前部缺血性视神经病变(A-AION)与非动脉炎性前部缺血性视神经病变(NAION)

基本信息
资源简介
缺血性视神经病变与巨细胞动脉炎的眼眶血管炎症数据集
该数据集来自 clinicaltrials.gov,聚焦巨细胞动脉炎(GCA)相关的眼眶血管炎症,并涉及缺血性视神经病变,包括动脉炎性前部缺血性视神经病变(A-AION)与非动脉炎性前部缺血性视神经病变(NAION)。数据覆盖 GCA 免疫性血管壁炎症及其导致视神经血供丧失的临床问题,强调区分 A-AION 与 NAION 对治疗决策的关键作用,以及疑似 GCA 时立即使用大剂量糖皮质激素以降低视力丧失风险。可用于相关疾病识别、鉴别诊断与治疗决策研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:巨细胞动脉炎(GCA)、缺血性视神经病变、NAION——非动脉炎性前部缺血性视神经病变。理由与问题陈述:巨细胞动脉炎(GCA)是一种免疫驱动的炎症性疾病,影响血管壁。未经治疗,GCA 可导致血管壁增厚严重到足以减少流向各器官的血流。最令人担忧的并发症之一是动脉炎性前部缺血性视神经病变(A-AION),即视神经前部失去血液供应,导致突然且通常永久性的视力丧失。将 A-AION 与更为常见的非动脉炎性 AION(NAION)区分开来至关重要,因为正确的诊断直接决定治疗。当怀疑 GCA 时,必须立即开始大剂量糖皮质激素治疗,以降低另一只眼视力丧失及其他严重并发症(如 s)的风险。
【主题与分类】
主题标签:Giant Cell Arteritis (GCA)、Ischemic Optic Neuropathy。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07206238
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/NCT07206238
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
疾病:巨细胞动脉炎(GCA)、缺血性视神经病变、NAION——非动脉炎性缺血性视神经病变。理由与问题陈述:巨细胞动脉炎(GCA)是一种免疫驱动的炎症性疾病,累及血管壁。未经治疗,GCA可导致血管壁增厚严重到足以减少流向各器官的血流。最令人担忧的并发症之一是动脉炎性前部缺血性视神经病变(A-AION),即视神经前部失去血液供应,导致突发且通常永久性的视力丧失。将A-AION与更为常见的非动脉炎性AION(NAION)区分开来至关重要,因为正确的诊断直接决定治疗。当怀疑GCA时,必须立即开始大剂量皮质类固醇治疗,以降低另一只眼视力丧失以及卒中或主动脉夹层等其他严重并发症的风险。相比之下,皮质类固醇治疗对NAION患者无益,且因其显著的短期和长期副作用应予以避免。
然而,即使在现有诊断工具的辅助下,临床上区分A-AION与NAION仍然非常困难。此外,关于缺血性视神经病变 underlying 血管变化的基础知识仍然匮乏。影像学背景:18F-氟脱氧葡萄糖(FDG)是一种放射性标记的糖类似物,可突出显示代谢活动增强的区域,包括炎症过程。既往研究表明,GCA患者躯干和颅骨的大中型动脉壁FDG摄取增加,但供应眼和视神经的眶内小血管未见摄取增加。血管壁炎症还可导致内皮渗漏和增厚,这些变化可通过磁共振成像(MRI)显示。先前使用黑血(BB)序列进行眶部MRI的研究已证实GCA患者眶内血管增厚和对比增强。此外,较小规模的研究提示,缺血性视神经病变患者可能存在细微的结构改变。
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。



![大血管炎大轴向视野[18F]FDG PET/CT成像方案优化研究](/medical-api/medicalDataset/datasetCover/148497.jpg)
