基于新型心脏磁共振技术的罕见心肌病精准诊断与风险分层

数据集获取

源站：https://clinicaltrials.gov/study/NCT07336394

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：Danon病、Fabry病、心脏淀粉样变性、Noonan综合征、心脏结节病、糖原贮积病、特发性心肌病。研究目的：本研究旨在验证并应用新型心脏磁共振（CMR）成像生物标志物，以提高罕见心肌病（如心脏淀粉样变性、Fabry病、Danon病、Noonan病）的诊断精确度和风险分层。临床问题：罕见心肌病因其表型特征与更常见疾病重叠且表现异质，诊断常具挑战性。当前的风险分层工具并不完善，导致诊断延迟和干预时机欠佳。方法与创新：本研究将采用超越标准容积和功能评估的先进CMR技术。包括但不限于：T1/T2标测：用于定量组织表征，无需对比剂即可检测弥漫性纤维化或水肿。细胞外容积（ECV）分数：用于量化细胞外间隙的扩张，这是淀粉样变性及其他浸润性疾病的关键标志物。

特征追踪应变分析：用于评估在射血分数下降之前出现的细微心肌形变异常。晚期钆增强（LGE）模式优化：用于更精确地表征瘢痕和浸润模式。对临床实践的潜在影响：转诊与诊断：这项研究可能提供更明确的、无创的诊断数据，简化通往专科中心的转诊路径，并减少患者的诊断奔波。风险分层：所研究的新型生物标志物有潜力提供优于当前临床模型的预后价值。这有助于更早识别高风险患者，指导关于器械治疗（ICD）启动或转诊接受先进治疗的决策。管理：通过提供更详细的“组织表型”，这些发现可能有助于更敏感地监测疾病进展和对新兴靶向治疗的反应。

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。