未破裂颅内动脉瘤高危亲属筛查
该数据集来自 clinicaltrials.gov，主题为未破裂颅内动脉瘤高危亲属的筛查。源站描述指出，颅内动脉瘤患病率为3-5%，其出血并发症年发病率为每10万人8-10例；蛛网膜下腔出血是血液外渗至中枢神经系统周围脑脊液填充间隙的急症，非创伤性蛛网膜下腔出血约80-85%由颅内动脉瘤破裂引起，并
基本信息
资源简介
未破裂颅内动脉瘤高危亲属筛查
该数据集来自 clinicaltrials.gov，主题为未破裂颅内动脉瘤高危亲属的筛查。源站描述指出，颅内动脉瘤患病率为3-5%，其出血并发症年发病率为每10万人8-10例；蛛网膜下腔出血是血液外渗至中枢神经系统周围脑脊液填充间隙的急症，非创伤性蛛网膜下腔出血约80-85%由颅内动脉瘤破裂引起，并发症和死亡率高，因此对高危患者进行早期发现、监测和管理未破裂颅内动脉瘤至关重要。数据提示，家族中有一名成员患病时，其一级亲属可能面临风险。该数据可用于高危人群筛查与风险预测相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：颅内动脉瘤、动脉瘤性蛛网膜下腔出血。研究显示，颅内动脉瘤的患病率为3-5%，而颅内动脉瘤出血形式的并发症年发病率为每10万人8-10例。蛛网膜下腔出血是一种急症，其特征是血液外渗到中枢神经系统周围充满脑脊液的间隙。非创伤性蛛网膜下腔出血的主要原因是颅内动脉瘤破裂，约占80-85%的病例，并且与高并发症率和高死亡率相关。因此，对高危患者进行早期发现、监测和管理未破裂颅内动脉瘤至关重要。数据表明，家族中有一名成员患病时，其一级亲属
【主题与分类】
主题标签：Intracranial Aneurysms、Subarachnoid Hemorrhage, Aneurysmal。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07387575
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/NCT07387575
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：颅内动脉瘤、蛛网膜下腔出血、动脉瘤性。研究显示，颅内动脉瘤的患病率为3-5%，而颅内动脉瘤破裂出血这一并发症的年发病率为每10万人8-10例。蛛网膜下腔出血是一种紧急情况，其特征是血液外渗至中枢神经系统周围充满脑脊液的空间。非创伤性蛛网膜下腔出血的主要原因是颅内动脉瘤破裂，约占病例的80-85%，且与高并发症率和高死亡率相关。因此，早期发现高风险患者、监测和管理未破裂颅内动脉瘤至关重要。数据表明，家族成员患病的一级亲属发生颅内动脉瘤的风险更高。
未破裂颅内动脉瘤高危亲属筛查是神经外科医生和神经放射科医生的一项研究工作，旨在伏伊伏丁那（塞尔维亚）研究人群中识别有助于颅内动脉瘤形成的环境因素。本研究将纳入至少150名曾患动脉瘤性卒中的患者兄弟姐妹（一级亲属），并确定人口统计学特征、环境因素（包括吸烟、合并症和高血压、含咖啡因饮料摄入以及重体力劳动）对未破裂颅内动脉瘤（UIAs）发生的影响。这项针对患病家庭和个体的研究被称为未破裂颅内动脉瘤高危亲属筛查（SIREN）研究，由伏伊伏丁那自治省卫生秘书处（特别筛查项目）资助。本研究还将纳入至少150名无动脉瘤性卒中或UIAs家族史个体。SIREN研究仅在伏伊伏丁那自治省开展。要符合研究资格，个体
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。
