心脏磁共振-临床预测模型-扩张型心肌病

数据集获取

源站：https://clinicaltrials.gov/study/NCT07527715

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：扩张型心肌病、预后、心脏磁共振成像、心脏性猝死、心力衰竭、风险评估、负荷灌注。本研究聚焦于一种常见但严重的心脏疾病——扩张型心肌病（DCM），该病影响全球数百万人。扩张型心肌病是一种心脏主要泵血腔室（左心室）扩大并减弱的疾病，使心脏难以有效地将血液泵送至全身。对于DCM患者而言，最大的担忧是“不良预后”风险——这一类别包括心力衰竭、心律失常、与心脏问题相关的住院治疗，甚至死亡等严重后果。目前，医生在准确预测哪些DCM患者更可能出现这些严重结局方面面临挑战，这一局限性限制了为最高风险患者提供及时、有针对性的医疗服务的能力。为弥补这一空白，研究者旨在开发并测试一种“临床预测模型”——一种整合医学数据以预测DCM患者不良结局可能性的工具。

该模型的关键创新在于使用了一种强大的医学成像技术，称为多参数负荷灌注心脏磁共振（MP stress perfusion CMR），并结合患者的标准临床信息。首先，用简单语言解释这些术语。心脏磁共振（CMR）是一种安全、无创的成像检查，可生成心脏结构和功能的详细图像。“负荷灌注”意味着在CMR扫描期间，参与者的心脏被置于一种轻度负荷状态（通常通过给予增加心率的药物，类似于轻度运动），以观察在负荷增加时通过心肌的血流情况。“多参数”指的是从CMR扫描中收集多种类型的信息，如心肌收缩力、心肌灌注以及心脏组织中的任何损伤或瘢痕。该研究的目标是利用详细的CMR数据以及其他基本临床信息

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。