健康血管中的VFI

数据集获取

源站：https://clinicaltrials.gov/study/NCT05451485

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

疾病：颈动脉狭窄、股浅动脉狭窄。大量证据表明，血流在动脉粥样硬化形成的各个阶段均发挥重要作用。动脉粥样硬化斑块通常沿血管树分布于两个部位：颈动脉（CA）和股浅动脉（SFA）。目前，超声是评估CA和SFA血管状况的首选技术。然而，由于多种局限性，临床使用的超声技术在估测血流速度时显示出较大的变异性。随着超快超声成像的出现，（几乎）换能器的所有阵元均可同时被激活。这种所谓的平面波采集技术每秒可获取数千幅图像，使得连续追踪视野内所有方向的血流速度成为可能。这种高帧率采集为CA和SFA的血流成像开辟了新的可能性，例如血液斑点追踪（bST）和超声粒子图像测速（echoPIV）。

这两种向量血流成像（VFI）技术均能实现对二维血流速度剖面的量化，其中bST与echoPIV相比无需使用造影剂。除了这些新型的超声技术外，4D相位对比磁共振成像（4D flow MRI）能够无创地量化4D血流速度剖面（3D+时间），并可作为体内血流评估的参考标准。因此，我们旨在评估两种VFI技术在健康志愿者颈动脉（CA）和股浅动脉（SFA）中与4D flow MRI测量结果的对比性能。

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。