CT血管造影中造影剂注射与扫描方法的最佳参数
本数据集来自clinicaltrials.gov,聚焦CT血管造影(CTA)中造影剂注射与扫描方法的最佳参数。数据覆盖2018年3月至2020年2月因疑似肺栓塞(PE)或主动脉夹层(AD)接受CTA的病例,最终纳入并分析101例,另回顾40例接受传统两次CT扫描的疑似病例

基本信息
资源简介
CT血管造影中造影剂注射与扫描方法的最佳参数
本数据集来自clinicaltrials.gov,聚焦CT血管造影(CTA)中造影剂注射与扫描方法的最佳参数。数据覆盖2018年3月至2020年2月因疑似肺栓塞(PE)或主动脉夹层(AD)接受CTA的病例,最终纳入并分析101例,另回顾40例接受传统两次CT扫描的疑似病例。采集数据包括年龄、性别、血压、体质指数(BMI)、肺动脉分叉处Hounsfield unit(HU)、同层降主动脉HU、达峰时间及辐射剂量。该数据可用于分析CTA成像参数与血管强化、辐射暴露之间的关系,支持优化扫描方案(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:主动脉与肺动脉强化、辐射暴露。回顾了2018年3月至2020年2月期间因疑似PE或AD转诊至我院行CTA的所有病例。已知过敏史、肾功能差(肌酐水平>1.5 mg/dl)、孕妇或年龄小于二十岁的病例被排除在研究之外。研究者最终纳入并分析了101例CTA病例。收集的数据包括年龄、性别、血压、体质指数(BMI)、肺动脉分叉处Hounsfield unit(HU)、与肺动脉分叉同一水平的降主动脉HU、达峰时间以及辐射剂量。本研究已获得我院机构审查委员会的批准。所有患者签署了知情同意书。此外,还回顾了四十例疑似PE或AD并接受传统两次CT扫描的病例。
【主题与分类】
主题标签:Radiation Exposure。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/NCT04832633
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/NCT04832633
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
条件:主动脉与肺动脉强化、辐射暴露。患者:回顾性分析2018年3月至2020年2月期间因疑似肺栓塞(PE)或主动脉夹层(AD)在我院接受CTA检查的所有病例。已知有过敏史、肾功能不佳(肌酐水平>1.5 mg/dl)、孕妇或年龄小于二十岁的病例被排除在研究之外。研究人员最终纳入并分析了101例CTA病例。收集的数据包括年龄、性别、血压、体重指数(BMI)、肺动脉分叉处的Hounsfield单位(HU)、与肺动脉分叉相同水平的降主动脉HU、达峰时间及辐射剂量。本研究已获得我院机构审查委员会的批准。所有患者均签署了知情同意书。此外,还回顾性分析了40例疑似PE或AD并接受传统两次CT扫描的病例。为控制造影剂剂量,我院的两次CT扫描采用单次80ml造影剂以3ml/秒的速度注射,随后以3ml/秒的速度注射20ml生理盐水。
CT PA血管造影在跟踪扫描期间肺动脉密度达到基线肺动脉密度加150 HU时进行,随后立即进行CT主动脉造影。研究者比较了实验组与传统组。造影剂注射的实验设计:造影剂注射后,造影剂经外周静脉进入右心,随后被泵出至肺动脉。从造影剂注射到肺动脉峰值强化的间隔定义为P秒。经过肺循环后,造影剂流经肺静脉、左心房和左心室并收缩进入主动脉。从造影剂注射到主动脉峰值强化的间隔定义为A秒。此后,造影剂开始新的体循环周期。根据已发表的数据,对于肺动脉,已知足够的衰减大于
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。




