心脏磁共振一站式评估肥厚型心肌病

该数据集来自 clinicaltrials.gov,为多中心观察性研究,聚焦肥厚型心肌病(HCM)的精准诊断与多维风险预测

Minjie LuMinjie Lu
clinicaltrials
浏览 14
医学影像预测Hypertrophic Cardiomyopathy (HCM)
One-stop Evaluation of Hypertrophic Cardiomyopathy in Cardiac Magnetic Resonance

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-08

资源简介

心脏磁共振一站式评估肥厚型心肌病

该数据集来自 clinicaltrials.gov,为多中心观察性研究,聚焦肥厚型心肌病(HCM)的精准诊断与多维风险预测。研究计划纳入10000名成人HCM患者,整合遗传检测、超声心动图和心脏磁共振等先进心脏影像及生物标志物分析,用于开发HCM早期诊断、鉴别诊断以及心源性猝死(SCD)和心力衰竭的新型风险预测模型。参与者接受基线评估并每六个月随访一次,最长3年,以追踪临床结局。研究为非干预性,不涉及任何研究性药物或器械(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肥厚型心肌病(HCM)。这是一项多中心观察性研究,旨在建立肥厚型心肌病(HCM)的精准诊断方案和多维风险预测模型。该研究计划纳入10000名成人HCM患者。它将整合遗传检测、先进心脏影像(超声心动图和心脏磁共振)以及生物标志物分析,以开发HCM患者的早期诊断、鉴别诊断以及心源性猝死(SCD)和心力衰竭的新型风险预测模型。参与者将接受基线评估,并每六个月随访一次,最长3年,以追踪临床结局。本研究为非干预性,不涉及任何研究性药物或器械。

【主题与分类】

主题标签:Hypertrophic Cardiomyopathy (HCM)。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/NCT07336290

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/NCT07336290

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:肥厚型心肌病(HCM)。这是一项多中心观察性研究,旨在建立肥厚型心肌病(HCM)的精准诊断方案和多维风险预测模型。该研究计划纳入10000名成年HCM患者。它将整合基因检测、先进心脏成像(超声心动图和心脏磁共振)以及生物标志物分析,以开发HCM患者心源性猝死(SCD)和心力衰竭的早期诊断、鉴别诊断及新的风险预测模型。参与者将接受基线评估,并每六个月随访一次,最长持续3年,以追踪临床结局。本研究为非干预性,不涉及任何研究性药物或器械。

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