遗传性出血性毛细血管扩张症相关肺动静脉畸形

该数据集来自 clinicaltrials.gov,聚焦遗传性出血性毛细血管扩张症(HHT)相关的肺动静脉畸形(PAVMs)

Hospices Civils de LyonHospices Civils de Lyon
clinicaltrials
浏览 15
医学影像回归Hereditary Haemorrhagic TelangiectasiaPulmonary Arteriovenous MalformationCerebral Disorder
Pulmonary Arteriovenous Malformations (PAVMs) in Hereditary Haemorrhagic Telangiectasia (HHT)

基本信息

模态
医学影像
任务类型
回归
创建/更新时间
2026-10-08

资源简介

遗传性出血性毛细血管扩张症相关肺动静脉畸形

该数据集来自 clinicaltrials.gov,聚焦遗传性出血性毛细血管扩张症(HHT)相关的肺动静脉畸形(PAVMs)。数据涉及 CT 检查结果、PAVM 表现类型(单发、多发、播散性或弥漫性)、PAVM 数量及最大供血动脉尺寸,并与缺血性卒中和脑脓肿的患病率相关联。可用于分析 CT 影像特征与脑部并发症之间的关联,支持对 HHT 患者脑血管风险的研究与预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:遗传性出血性毛细血管扩张症、肺动静脉畸形、脑部疾病。计算机断层扫描(CT)是表征遗传性出血性毛细血管扩张症(HHT)患者肺动静脉畸形(PAVMs)的首选检查方式。本研究旨在确定 CT 表现是否与脑脓肿和缺血性卒中的发生频率相关。这项回顾性研究纳入了 HHT 相关 PAVMs 患者。CT 结果、PAVM 表现(单发、多发、播散性或弥漫性)、PAVM 数量及最大供血动脉尺寸,均与缺血性卒中和脑脓肿的患病率进行了相关性分析。

【主题与分类】

主题标签:Hereditary Haemorrhagic Telangiectasia、Pulmonary Arteriovenous Malformation、Cerebral Disorder。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03940014

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03940014

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:遗传性出血性毛细血管扩张症、肺动静脉畸形、脑部疾病。计算机断层扫描(CT)是表征遗传性出血性毛细血管扩张症(HHT)患者肺动静脉畸形(PAVMs)的首选方法。本研究旨在确定CT表现是否与脑脓肿和缺血性卒中的发生频率相关。这项回顾性研究纳入了HHT相关PAVMs患者。CT结果、PAVM表现(单发、多发、播散性或弥漫性)、PAVM数量及最大供血动脉尺寸,均与缺血性卒中和脑脓肿的患病率进行了相关性分析。

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。

获取专属数据定制方案