基于模型的心血管预测概念验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT02591940

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：心血管建模、主动脉缩窄、主动脉瓣疾病、心血管MRI。CARDIOPROOF是一个概念验证项目，旨在整合先前虚拟生理人（VPH）项目的成果，并检验现有预测建模与仿真工具的适用性和有效性，在德国、意大利和英国三家欧洲心脏治疗卓越中心开展的相互关联的临床试验中对这些工具进行验证。CARDIOPROOF聚焦于主动脉瓣疾病和主动脉缩窄患者，这些疾病若不予治疗，可能导致不可逆的心力衰竭。因此，治疗成为必需，但最佳时机和最佳治疗类型仍难以确定。欧盟每年进行超过50,000例干预，CARDIOPROOF所针对的疾病具有重大的社会经济影响。当前的临床指南极为复杂，主要依赖影像诊断和临床参数，尚未受益于基于患者特异性疾病建模的预测。

CARDIOPROOF超越了当前的技术水平，通过开展验证试验，旨在覆盖并比较心血管治疗的全谱系，预测疾病的发展以及治疗的即时和中期结果。操作性聚类将提供一种无缝的临床解决方案，应用不同的建模方法来实现个性化医疗的潜力，并将用户友好性作为临床可用性的关键组成部分。CARDIOPROOF的目标是提供关于最先进的VPH方法与常规诊断和治疗算法相比的比较成本效益和临床疗效的第一手数据，从而加速VPH方法在临床环境中的部署，并使整体患者特异性基于计算机的预测模型和模拟趋于成熟。

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。