预测PAD结局的影像组学特征

数据集获取

源站：https://clinicaltrials.gov/study/NCT07602634

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

条件：外周动脉疾病（PAD）。外周动脉疾病（PAD）介入治疗后，再狭窄和血管闭塞风险较高，部分重症患者最终不可避免地面临截肢。目前临床实践中，常依赖术前CTA评估管腔狭窄程度和管壁钙化负荷，以制定手术策略并预测预后。然而，这些传统宏观指标往往无法充分反映血管壁的微观炎症状态和斑块不稳定性，导致对术后临床结局的预测能力有限。近年来，血管周围脂肪组织（PVAT）不仅被认为是提供机械支持的惰性组织，还被认为是一种高度活跃的内分泌和旁分泌器官。在动脉粥样硬化早期，血管壁的炎症信号可由内向外传递至PVAT，引起其表型和局部脂质代谢的改变。

目前，国内外在PVAT的影像学研究方面均已取得突破性进展，但绝大多数研究集中于冠状动脉、颈动脉及主动脉。例如，基于常规冠状动脉CTA提取的冠周脂肪衰减指数（FAI）及影像组学特征，已被多项高质量研究证实可有效识别易损斑块并独立预测不良心血管事件。然而，针对下肢外周动脉PVAT的影像学研究在国内外仍处于空白状态。下肢动脉在血流动力学、解剖结构及危险因素等方面与冠状动脉和颈动脉存在显著差异，亟需探索下肢PVAT的影像表型变化是否同样可作为评估局部血管病变的检测指标。本项目首次将研究焦点转向外周动脉

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。