STICH3C 心脏磁共振观察性研究
STICH3C 是一项基于 clinicaltrials.gov 的心脏磁共振观察性研究数据集,聚焦缺血性左心室收缩功能障碍与多支冠状动脉疾病

基本信息
资源简介
STICH3C 心脏磁共振观察性研究
STICH3C 是一项基于 clinicaltrials.gov 的心脏磁共振观察性研究数据集,聚焦缺血性左心室收缩功能障碍与多支冠状动脉疾病。该数据集涉及心力衰竭与死亡的主要病因,围绕冠状动脉血运重建反应的决定因素、心肌存活成像的预测价值,以及 CMR 上梗死透壁程度对血运重建后重构与预后的影响。研究者还开发了暗血延迟钆增强 CMR 等新方法评估梗死。该数据可用于研究血运重建反应预测、心肌梗死评估及心力衰竭预后建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:缺血性左心室收缩功能障碍、多支冠状动脉疾病。iLVSD(缺血性左心室功能障碍)是心力衰竭(HF)和死亡的主要原因。尽管对血运重建反应的决定因素了解有限,它仍广泛通过冠状动脉血运重建进行治疗。“存活”成像(用于区分梗死心肌与可挽救心肌)被广泛宣传为预测血运重建反应的有效手段。然而,先前的多中心试验在图像模态和分析方面使用异质性数据得出了阴性结论。我们的研究者和其他人的数据表明,CMR 上的梗死透壁程度强烈影响冠状动脉血运重建后的重构和预后。研究者还开发了新方法(暗血延迟钆增强-CMR)来评估梗死和
【主题与分类】
主题标签:Multivessel Coronary Artery Disease。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/NCT07133984
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/NCT07133984
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:缺血性左心室收缩功能障碍,多支冠状动脉疾病。iLVSD(缺血性左心室功能障碍)是心力衰竭(HF)和死亡的主要原因。尽管对血运重建反应的决定因素了解有限,但广泛采用冠状动脉血运重建治疗。 “存活心肌”成像(用于区分梗死心肌与可挽救心肌)被广泛宣传为预测血运重建反应的有效手段。然而,先前的多中心试验在图像模式和分析方面使用了异质性数据,得出了阴性结论。我们的研究人员和其他人的数据表明,CMR上的梗死透壁性强烈影响冠状动脉血运重建后的重构和预后。研究人员还开发了新方法(暗血晚期钆增强-CMR)来评估梗死,并显示CMR上的缺血(低灌注)和非缺血性基质强烈影响左心室重构。
尽管存在概念上的合理性,多参数心脏磁共振(CMR)在阐明经皮和外科血运重建后iLVSD重构机制及其决定因素和不同结局方面的效用尚未得到验证。这项前瞻性研究将检验以下假设:冠状动脉血运重建(通过PCI或CABG)后残留的受损(存活但低灌注)心肌、LGE以及非缺血性基质与术后不良心血管事件相关。
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。




