大动脉斑块影像特征在预测炎症与认知中的作用

数据集获取

源站：https://clinicaltrials.gov/study/NCT03068442

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：认知障碍、颈动脉斑块、炎症。本研究针对一个主要的中风来源——颈动脉，即为大脑供血的主要血管。长期以来，人们已知颈动脉狭窄是中风的重要风险因素。然而，许多颈动脉狭窄的患者并未发生中风，而许多颈动脉看似正常的患者却发生了中风。MRI研究现在表明，颈动脉壁本身才是中风的来源。利用颈动脉MRI，临床医生能够识别出先前无法看到的不稳定颈动脉斑块标志物，包括颈动脉壁出血（斑块内出血）。工作假设是，具有这些不稳定颈动脉斑块的患者，其颈动脉和大脑中的炎症水平可能更高。这种炎症已被认为与其他疾病有关，包括痴呆。颈动脉壁出血在颈动脉MRI上很容易看到，但在超声和CT扫描上往往不可见。通过使用MRI，研究人员发现，这个无声的杀手即使在没有颈动脉狭窄的情况下也是一个重要的中风风险因素。既然影像学能够检测到颈动脉壁出血，那么这些出血从何而来？

近期研究指出颈动脉壁内存在炎症。研究者计划利用组织学来检测血管壁中的这种炎症。另一个问题是，颈动脉壁的炎症是否会导致大脑炎症？利用PET扫描，研究者计划确定大脑炎症是否与颈动脉疾病相关。最后，研究者希望查明颈动脉壁炎症是否会导致记忆丧失，以及手术对这些患者是否有益。研究者希望在患者发生卒中、记忆丧失和痴呆之前，检测到血管壁和大脑中的这种炎症。这不仅对疾病的检测有巨大益处，还将使临床医生能够监测颈动脉疾病和大脑炎症的治疗效果。研究者还希望利用这些工具来检测早期治疗

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。