经皮ARFI超声鉴别高卒中风险颈动脉斑块
该数据集来自clinicaltrials.gov,聚焦经皮ARFI超声在鉴别高卒中风险颈动脉斑块中的应用。覆盖动脉粥样硬化斑块、颈动脉斑块与颈动脉狭窄等情形,涉及症状性与无症状性颈动脉狭窄患者

基本信息
资源简介
经皮ARFI超声鉴别高卒中风险颈动脉斑块
该数据集来自clinicaltrials.gov,聚焦经皮ARFI超声在鉴别高卒中风险颈动脉斑块中的应用。覆盖动脉粥样硬化斑块、颈动脉斑块与颈动脉狭窄等情形,涉及症状性与无症状性颈动脉狭窄患者。源站描述指出,颈动脉内膜剥脱术对重度狭窄伴神经症状患者有效,但对狭窄程度较轻或无症患者获益下降,并给出不必要手术的估算数据,说明仅以狭窄程度作为卒中主要指征存在不足。该数据可用于评估超声弹性成像对斑块风险分层的价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Plaque, Atherosclerotic, Carotid Artery Plaque, Carotid Stenosis. 尽管卒中仍是美国的主要死因,但过去二十年间,随着先进药物治疗和血运重建(主要通过颈动脉内膜剥脱术(CEA))的进步,其发病率和死亡率已有所下降。虽然CEA在预防重度(≥70%)颈动脉狭窄且有神经症状患者的卒中方面疗效已得到充分证实,但随着狭窄程度较轻患者和无症状患者的卒中风险降低,该手术干预的效用也随之下降。据估计,多达14例有症状的50-69%狭窄患者中有13例、22例无症状的70-99%狭窄患者中有21例不必要地接受了CEA手术。这些数据表明,以狭窄程度作为卒中的主要指征是不充分的。
【主题与分类】
主题标签:Plaque, Atherosclerotic、Carotid Artery Plaque、Carotid Stenosis。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04063709
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/NCT04063709
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:动脉粥样硬化斑块、颈动脉斑块、颈动脉狭窄。尽管卒中仍是美国的主要死因,但在过去二十年中,其发病率和死亡率已下降,这与先进的药物治疗和血运重建(主要是颈动脉内膜剥脱术[CEA])相关。虽然对于伴有神经系统症状的重度(≥70%)颈动脉狭窄患者,CEA预防卒中的疗效已得到充分证实,但随着狭窄程度较轻患者和无症状患者的卒中风险降低,该手术干预的获益也随之下降。据估计,在50-69%狭窄的有症状患者中,每14例中多达13例会不必要地接受CEA手术;在70-99%狭窄的无症状患者中,每22例中多达21例会不必要地接受CEA手术。这些数据表明,将狭窄程度作为卒中风险的主要指标是不充分的,并凸显了一个迫切但尚未满足的需求:需要改进生物标志物,以区分栓塞性卒中低风险患者与需要通过CEA预防栓塞性卒中的患者。通过评估颈动脉斑块的结构和组成,可能满足这一改进CEA适应证的迫切需求。
由薄纤维帽或破裂纤维帽(TRFC)、大的富含脂质的坏死核心(LRNC)以及斑块内出血(IPH)构成的斑块,在尸检形态学研究中与血栓形成相关。此外,在CEA标本中,斑块出血和斑块内血管形成增加与未来的心脑血管事件或干预独立相关。最后,在通过体内磁共振成像(MRI)确定的人类颈动脉斑块中,既往卒中或短暂性脑缺血发作(TIA)与TRFC和IPH相关,而TRFC、LRNC和IPH会增加未来卒中或TIA的风险。本研究的目标是开发一种低成本、无创的成像方法,能够可靠地描绘颈动脉斑块的结构和成分,并适合广泛用于诊断应用。既往研究已表明,Acoustic Radi
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。




