AMEND-CRT：机械性失同步作为CRT选择标准
AMEND-CRT 是一项来自 clinicaltrials.gov 的前瞻性、随机、多中心试验数据集，聚焦左心室失同步、心力衰竭、扩张型心肌病及心室重构等循环系统疾病
基本信息
资源简介
AMEND-CRT：机械性失同步作为CRT选择标准
AMEND-CRT 是一项来自 clinicaltrials.gov 的前瞻性、随机、多中心试验数据集，聚焦左心室失同步、心力衰竭、扩张型心肌病及心室重构等循环系统疾病。该数据集围绕心脏再同步治疗（CRT）候选者的选择问题，探索以超声心动图评估机械性失同步来优化患者筛选，以降低当前指南方法导致的高无应答率。数据可用于研究 CRT 应答预测、患者分层与治疗选择相关的分类建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：左心室失同步、心力衰竭、扩张型心肌病、心室重构。既往对心脏再同步治疗（CRT）候选者的经验表明，这些患者的选择可以改进。当前的临床指南方法主要过于不特异，导致30-40%的高无应答率，这给医疗系统带来负担，并使患者面临不必要的治疗风险，而这些患者可能从保守治疗中获益更多。既往工作表明，使用超声心动图评估机械性失同步可以将无应答率至少降低50%，而不影响检测可改善患者的敏感性。因此，当前这项前瞻性、随机、多中心试验旨在证明左心室机械特性的表征可以 im
【主题与分类】
主题标签：Left Ventricular Dyssynchrony、Heart Failure、Cardiomyopathy, Dilated、Cardiac Remodeling, Ventricular。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04225520
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/NCT04225520
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：左心室不同步、心力衰竭、扩张型心肌病、心脏重构、心室。既往对心脏再同步化治疗（CRT）候选者的经验表明，这些患者的选择可以改进。当前的临床指南方法主要过于不具体，导致30-40%的高无应答率，这给医疗系统带来负担，并使患者面临不必要的治疗风险，而他们可能从保守治疗中获益更多。既往工作表明，使用超声心动图评估机械不同步可将无应答率至少降低50%，而不影响检测可改善患者的敏感性。因此，当前的前瞻性、随机、多中心试验旨在证明左心室机械特性的表征可以改善CRT的患者选择。患者将被随机分配到两个研究组之一：一个对照组，根据临床指南标准推荐治疗；或一个实验组，根据机械不同步的存在推荐治疗。
所有患者都将接受CRT植入。在对照组中，双心室起搏将被开启。在实验组中，根据机械性失同步的存在与否，双心室起搏将分别被开启或关闭。主要终点将是基于机械性失同步的治疗推荐结果的非劣效性，该推荐通过减少CRT设备的植入数量实现，从而有效降低需治疗人数。结局指标包括每组连续测量的LVESV平均相对变化，以及随访1年后根据Packer临床综合评分每组“恶化”的百分比。
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。
