LVAD 患者脑血流动力学数据集
该数据集来自一项由 American Heart Association 资助的前瞻性观察性研究，聚焦终末期心力衰竭患者在接受左心室辅助装置（LVAD）后的脑血流动力学及其与认知和生活质量结局的关系
基本信息
资源简介
LVAD 患者脑血流动力学数据集
该数据集来自一项由 American Heart Association 资助的前瞻性观察性研究，聚焦终末期心力衰竭患者在接受左心室辅助装置（LVAD）后的脑血流动力学及其与认知和生活质量结局的关系。数据涵盖患者基本人口学信息（年龄、性别）、术前及术后12个月的蒙特利尔认知评估（MoCA）评分、堪萨斯城心肌病问卷（KCCQ）生活质量评分、术后12个月计算的 Days-Alive-And-Out-Of-Hospital（DAH），以及术前和术后1个月的原始 NIRS 数据。可用于分析脑血流动力学与认知、生活质量及临床结局之间的关联，支持预测建模与相关研究（来源 doi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据是一项由 American Heart Association 资助的前瞻性观察性研究的一部分（ 基本人口学信息（年龄、性别）- 认知评分（蒙特利尔认知评估）：术前及术后12个月- 生活质量评分（堪萨斯城心肌病问卷）：术前及术后12个月- 术后12个月计算的 Days-Alive-And-Out-Of-Hospital（DAH）- 原始 NIRS 数据*：术前及术后1个月。前四个类别
【主题与分类】
主题标签：Medicine, Health and Life Sciences、NINscan、Cerebral Hemodynamics、Cognition、Left-Ventricular Assist Device、Heart Failure。本站分类：循环系统疾病/心力衰竭。
【获取与许可】
源站页面：https://doi.org/10.7910/dvn/6njd1e
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://doi.org/10.7910/dvn/6njd1e
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
本数据是作为一项由美国心脏协会资助的前瞻性观察性研究的一部分收集的（https://doi.org/10.58275/AHA.24IPA1275206.pc.gr.196227），并作为奖项要求的一部分存入。本研究探讨接受左心室辅助装置（LVAD，一种耐用的机械循环支持装置）的终末期心力衰竭患者的脑血流动力学与认知及生活质量结局之间的关系。对于每位患者，数据集包括：- 基本人口统计学信息（年龄、性别）- 认知评分（蒙特利尔认知评估）：术前及术后12个月- 生活质量评分（堪萨斯城心肌病问卷）：术前及术后12个月- 计算得出的术后12个月存活且未住院天数（DAH）- 原始NIRS数据*：术前及术后1个月前四类数据位于Excel表格中。NIRS数据按患者特定（去标识化）文件夹上传，标注为术前和术后（1个月随访±1周）。每个NIRS文件夹包含一个原始数据文件和一个配置文件，其中包含NIRS设备的增益。
关于用于采集NIRS数据的设备的具体信息，可参见：https://doi.org/10.1152/japplphysiol.00297.2017 以及 https://doi.org/10.1117/1.3615248
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。
