要求严格的灰区：基于心脏磁共振成像的运动指数区分肥厚型心肌病与运动员心脏
该数据集包含通过心脏磁共振成像获取的影像数据，涵盖精英运动员、肥厚型心肌病患者及两者兼具的个体，通过计算运动指数如室壁厚度与心室容积比值，旨在区分生理性心肌肥厚与病理性肥厚，主要用于心血管疾病鉴别诊断和运动医学研究。
基本信息
资源简介
要求严格的灰区：基于心脏磁共振成像的运动指数区分肥厚型心肌病与运动员心脏
【数据集背景】
本数据集源站标题为《The demanding grey zone: sport indices by cardiac magnetic resonance imaging differentiate hypertrophic cardiomyopathy from athlete''s heart》。
【数据内容】
源站原始描述：Background: We aimed to characterize gender specific left ventricular hypertrophy using a novel, accurate and less time demanding cardiac magnetic resonance (CMR) quantification method to differentiate physiological hypertrophy and hypertrophic cardiomyopathy based on a large population of highly trained athletes and hypertrophic cardiomyopathy patients. Methods and Results: Elite athletes (n=150,>18 training hours/week), HCM patients (n=194) and athletes with hypertrophic cardiomyopathy (n=10)…
【主题与分类】
主题标签：hypertrophic cardiomyopathy、athlete''s heart、sport indices、cardiac magnetic resonance。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:240e2a84c73a2d7033b4606c9952bc657334b2f2f7dd5e08f14baad0f750f08d
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
该数据集旨在通过心脏磁共振成像（CMR）技术，研究如何区分生理性心肌肥厚（运动员心脏）与病理性肥厚（肥厚型心肌病）。数据集包含来自精英运动员（n=150，每周训练超过18小时）、肥厚型心肌病患者（n=194）以及同时患有肥厚型心肌病的运动员（n=10）的CMR影像数据。研究采用传统和基于阈值的量化方法，计算了如最大舒张末期室壁厚度与左心室舒张末期容积指数比值、左心室质量与左心室舒张末期容积比值等运动指数，以有效识别处于“灰区”（室壁厚度13-16毫米）的个案。该数据集主要用于心血管疾病诊断、运动医学评估及影像生物标志物开发等领域。
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。
