Fabry心肌病:多参数MRI识别早期心肌结构与组织异常

该数据集来自clinicaltrials.gov,聚焦Fabry Disease相关心肌病,属于循环系统疾病/心力衰竭范畴

University Health Network, TorontoUniversity Health Network, Toronto
clinicaltrials
浏览 14
医学影像分类Fabry Disease
Fabry Cardiomyopathy: Identification of Early Myocardial Structural and Tissue Abnormalities Using Multiparametric MRI

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-10

资源简介

Fabry心肌病:多参数MRI识别早期心肌结构与组织异常

该数据集来自clinicaltrials.gov,聚焦Fabry Disease相关心肌病,属于循环系统疾病/心力衰竭范畴。Fabry病可累及心脏,过半患者心肌增厚并形成瘢痕,最终导致心力衰竭、心律异常甚至死亡。研究关注在不可逆损伤发生前识别早期心脏病变,假设T1和T2 mapping等新型心脏MRI技术能提升早期异常检出能力,从而支持个体化治疗并改善预后。数据可用于评估MRI参数在早期心肌结构与组织异常识别中的价值,辅助筛选可能从早期治疗中获益的患者(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:法布里病。法布里病是一种遗传性疾病,影响体内多个器官,其中心脏亦受累。男性和女性均可患病,平均预期寿命缩短10-20年。超过半数患者的心肌可变厚并形成瘢痕,最终导致心力衰竭、心律失常乃至死亡。本研究的重点在于提高对早期心脏病的检测能力,以期在不可逆损伤发生前发现病变,从而改善患者预后。研究假设,称为T1和T2 mapping的新型心脏MRI技术将提高检测心脏早期异常的能力。心脏病的早期发现可能有助于实现个体化治疗,从而可能改善患者预后。研究结果将确定哪些患者可能受益于早期启动治疗,通过使用心脏MRI识别高风险患者,以预防未来不良结局的发生。

【主题与分类】

主题标签:Fabry Disease。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/NCT04856059

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04856059

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:法布里病。法布里病是一种遗传性疾病,影响体内多个器官,其中心脏亦受累。男性和女性均可患病,平均预期寿命缩短10-20年。超过半数患者的心肌可变厚并形成瘢痕,最终导致心力衰竭、心律失常乃至死亡。本研究的重点在于提高对早期心脏病的检测能力,以期在不可逆损伤发生前发现病变,从而改善患者预后。研究假设,称为T1和T2 mapping的新型心脏MRI技术将提高检测心脏早期异常的能力。心脏病的早期发现可能有助于实现个体化治疗,从而可能改善患者预后。研究结果将确定哪些患者可能受益于早期启动治疗,通过使用心脏MRI识别高风险患者,以预防未来不良结局的发生。

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。

获取专属数据定制方案