抗磷脂综合征患者颅内狭窄的患病率与病因
该数据集来自 clinicaltrials.gov,聚焦抗磷脂综合征(APS)患者的颅内狭窄问题。研究为横断面设计,旨在确定 APS 患者中颅内狭窄的患病率,并探索神经影像学表现与免疫学及临床特征之间的相关性

基本信息
资源简介
抗磷脂综合征患者颅内狭窄的患病率与病因
该数据集来自 clinicaltrials.gov,聚焦抗磷脂综合征(APS)患者的颅内狭窄问题。研究为横断面设计,旨在确定 APS 患者中颅内狭窄的患病率,并探索神经影像学表现与免疫学及临床特征之间的相关性。数据覆盖符合改良 Sapporo 标准、年龄≥18 岁、在 Prince of Wales Hospital 接受诊疗的 APS 患者,包含认知评估等信息。可用于研究 APS 相关颅内狭窄的流行病学、影像与免疫临床关联,以及循环系统疾病风险分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Antiphospholipid Syndrome、Stenosis、Intracranial Stenosis。在这项拟议的横断面研究中,我们旨在确定颅内狭窄的患病率,并探索抗磷脂综合征(APS)患者中神经影像学发现与免疫学及临床特征之间的相关性。通过查阅医学专科门诊、电子病历和/或临床数据分析与报告系统(CDARS)中的临床和实验室信息,研究者将识别并现场招募符合改良 Sapporo 标准、当前年龄≥18 岁、且在 Prince of Wales Hospital 接受诊疗的 APS 患者。研究者随后将为符合条件的患者安排一次研究门诊访视。在获得知情同意后,患者将接受认知评估(香港版蒙特利尔认知
【主题与分类】
主题标签:Antiphospholipid Syndrome、Stenosis、Intracranial Stenosis。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/NCT05583305
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/NCT05583305
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:抗磷脂综合征,狭窄,颅内狭窄。在拟议的横断面研究中,我们旨在确定颅内狭窄的患病率,并探讨抗磷脂综合征患者的神经影像学发现与免疫学及临床特征之间的相关性。通过审查专科门诊的临床和实验室信息、电子病历和/或通过临床数据分析与报告系统(CDARS),研究人员将识别并现场招募符合修订版札幌标准、当前年龄≥18岁、并在威尔士亲王医院接受治疗的抗磷脂综合征患者。随后,研究人员将为符合条件的患者安排研究门诊访问。在获得知情同意后,患者将接受认知评估(香港版蒙特利尔认知评估(HK-MoCA))、血压、脉搏、体重指数测量、尿液分析以及脑部对比增强MRI(见下文影像学评估)。
人口学数据(年龄、性别、吸烟、饮酒、行走状态)、合并症(并发自身免疫性疾病及其器官受累情况、灾难性APS病史、高血压、高脂血症、糖尿病、充血性心力衰竭、既往动脉或静脉血栓栓塞的次数和类型)、实验室参数(全血细胞计数、肝肾功能检查、C反应蛋白、红细胞沉降率、超敏C反应蛋白、纤溶酶原激活物抑制剂-1、神经丝轻链、自身免疫标志物滴度,包括抗核抗体、可提取核抗原抗体、aPLs、类风湿因子、抗环瓜氨酸肽抗体等)、合并用药(阿司匹林、华法林、直接口服抗凝药、降压药、他汀类药物、类固醇、免疫抑制剂等)。在另一项正在进行的前瞻性脑健康纵向研究中,该研究纳入了无卒中和痴呆的参与者(CREC参考编号:2018.148),研究者将识别
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。




