接受心脏再同步治疗的失同步心力衰竭患者区域做功个体化模型
该数据集来自 search.dataone.org,属于循环系统疾病中的心力衰竭主题,围绕接受心脏再同步治疗(CRT)的失同步心力衰竭患者

基本信息
资源简介
接受心脏再同步治疗的失同步心力衰竭患者区域做功个体化模型
Patient-specific models of dyssynchronous heart failure for assessment of regional work in patients undergoing cardiac resynchronization therapy
该数据集来自 search.dataone.org,属于循环系统疾病中的心力衰竭主题,围绕接受心脏再同步治疗(CRT)的失同步心力衰竭患者。数据基于三维多尺度个体化计算模型,模型由解剖、功能、血流动力学和电生理测量参数化,用于评估八名合并左束支传导阻滞的心力衰竭患者在接受CRT前后的区域心肌做功变化,并探索简化方法估计区域心肌做功的可行性,可用于研究CRT对整体心肌做功效率及心室逆重构的影响(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):心脏再同步治疗(CRT)可改善失同步心力衰竭(DHF)患者左右心室收缩的同步性,降低发病率与死亡率并提高生活质量。然而,CRT前的区域做功以及CRT带来的变化尚不明确。我们使用由解剖、功能、血流动力学和电生理测量参数化的三维多尺度个体化计算模型,评估了八名接受CRT的合并左束支传导阻滞(LBBB)的心力衰竭患者的做功变化。为提高临床可转化性,我们还探索了简化方法估计区域心肌做功的效用。我们发现CRT提高了整体心肌做功效率,在无应答者中也有显著改善。CRT后的心室逆重构在区域做功异质性最高的患者中最为显著。
【主题与分类】
主题标签:cardiac resynchronization therapy、finite-element modeling、myocardial work、cardiac function、patient-specific modeling。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A66129d3e272286e3542a4d90d281ce4a4dfd1f5b8e92b0d97ff90e1b88956d6f
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
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
心脏再同步化治疗(CRT)可改善舒张性心力衰竭(DHF)患者左右心室收缩的同步性,降低发病率和死亡率,提高生活质量。然而,CRT前的区域做功情况及CRT后的变化尚不十分清楚。我们采用由解剖、功能、血流动力学和电生理测量参数化的三维多尺度患者特异性计算模型,评估了8例接受CRT的心力衰竭合并左束支传导阻滞(LBBB)患者的变化。为提高临床可转化性,我们还探索了简化方法估算区域心肌做功的实用性。我们发现,CRT提高了整体心肌做功效率,在无应答者中改善显著。CRT后心室逆重构在基线区域做功异质性最高的患者中最为明显。
执行负向心肌做功的早期激活心肌区域的减少……我们构建了三维多尺度患者特异性计算模型,以八名接受心脏再同步治疗(CRT)的心力衰竭伴左束支传导阻滞(LBBB)患者的解剖、功能、血流动力学和电生理测量为参数。为提高临床可转化性,我们还探索了简化计算方法是否能提供区域心肌做功的准确估计。, , 论文:用于评估接受心脏再同步治疗患者区域做功的不同步性心力衰竭患者特异性模型 作者: Amanda Craine, Adarsh Krishnamurthy, Christopher T Villongco, Kevin Vincent, David E Krummen, Sanjiv M Narayan, Roy CP Kerckhoffs, Jeffery Omens, Francisco Contijoch, Andrew D McCulloch 描述: 本README文件描述了上述出版物附带的数据包。数据分为两个父文件,分别对应本研究的两个不同特征:患者特异性建模,以及Si
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。




