利用运动负荷超声心动图评估射血分数保留的心力衰竭
该数据集来自 clinicaltrials.gov，主题为利用运动负荷超声心动图评估射血分数保留的心力衰竭（HFpEF）
基本信息
资源简介
利用运动负荷超声心动图评估射血分数保留的心力衰竭
该数据集围绕“利用运动负荷超声心动图评估射血分数保留的心力衰竭（HFpEF）”这一主题构建，来源于 clinicaltrials.gov，归类于循环系统疾病 / 心力衰竭方向。其核心关注点是：在负荷超声心动图检查过程中额外采集的图像以及风险评分计算，是否能够帮助医生判断患者出现的胸痛或气短是否由“僵硬心脏”所致，也就是射血分数保留的心力衰竭。数据集以胸痛、气短为主要主题标签，整体定位偏向临床研究信息与检查评估数据的整合，用于支持对 HFpEF 相关症状来源的识别与判断。整体而言，该数据集面向心血管疾病尤其是心力衰竭领域的研究与应用场景，强调运动负荷超声心动图在诊断路径中的潜在价值。
【数据集背景】
射血分数保留的心力衰竭是临床中较为常见且诊断复杂的一类心力衰竭形式，患者常表现为气短、胸痛等症状，但这些症状也可能由其他原因引起，因此鉴别诊断具有重要意义。该数据集所依托的研究背景，正是希望通过运动负荷超声心动图这一检查手段，结合额外图像与风险评分计算，提升医生对症状成因的判断能力。其来源站为 clinicaltrials.gov，说明该数据集与注册临床研究信息密切相关，主题聚焦于循环系统疾病中的心力衰竭方向，并以胸痛、气短作为核心标签，体现出对症状鉴别与心功能评估的双重关注。
【数据内容】
该数据集的主题为利用运动负荷超声心动图评估射血分数保留的心力衰竭，相关描述指出研究目的在于判断在负荷超声心动图检查中额外采集的图像以及风险评分计算，是否有助于医生确定气短或胸痛是否由僵硬心脏即 HFpEF 引起。数据集的主题标签包括胸痛和气短。除上述信息外，源站未提供关于具体变量、字段结构、样本量、图像数量、评分指标或统计结果的更多说明。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述提到，研究关注的是在负荷超声心动图检查过程中额外采集的图像，以及风险评分计算。除此之外，源站未提供关于采集时间、采集地点、设备型号、操作流程、受试者纳入排除标准或数据采集频率等更多信息。
【适用场景】
基于现有信息，该数据集适用于与射血分数保留的心力衰竭相关的临床研究、症状鉴别分析以及运动负荷超声心动图评估等场景。其主题标签为胸痛和气短，因此也可能用于围绕这两类症状开展的心力衰竭诊断辅助研究。关于更具体的应用场景、模型训练用途或临床决策支持方式，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、读取格式、预处理步骤、分析流程或配套工具等均未说明。
【质量与限制】
源站未提供关于数据质量、完整性、标注准确性、偏倚控制或使用限制的说明。由于缺乏样本量、数据规模、采集标准及验证结果等信息，无法进一步判断其适用范围与局限性。
【引用与许可】
源站未提供该数据集的引用方式、许可协议、使用条款或版权说明。
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/NCT06927973
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：胸痛、气短。本研究的目的是探究在负荷超声心动图检查期间额外采集的图像以及风险评分计算，是否有助于医生判断气短或胸痛是否由心脏僵硬（射血分数保留的心力衰竭，即HFpEF）引起。
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。
