多方法比较二尖瓣反流量化的心脏磁共振成像数据集
该数据集包含35名二尖瓣反流患者的心脏磁共振成像（CMR）影像数据，通过多中心前瞻性队列研究收集，旨在比较四种不同CMR方法在量化二尖瓣反流严重程度方面的一致性和可重复性，主要应用于心脏病学领域的疾病评估、治疗策略指导以及医学影像量化技术的比较研究。
基本信息
资源简介
多方法比较二尖瓣反流量化的心脏磁共振成像数据集
【数据集背景】
本数据集源站标题为《Multimethod Comparison Dataset of Mitral Regurgitation Quantification by Cardiac Magnetic Resonance Imaging》。
【数据内容】
源站原始描述：Mitral regurgitation is the second most common form of valvular heart disease.1 The strategy of management in patients with MR is largely guided by the severity of disease. Thus, accurately quantifying the severity of mitral regurgitation and differentiating between non-severe and severe mitral regurgitation is critical in the evaluation of patients with mitral regurgitation. This dataset relates to a multi-centre prospective cohort study of 35 patients with a diagnosis of mitral regurgitation,…
【主题与分类】
主题标签：Medicine, Health and Life Sciences、4D flow CMR, haemodynamics, flow quantification, reproducibility analysis, mitral regurgitation。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:502b6a2ba469f172f7e93e72ba6fbb7a3125e8ef5d806ddae4ba7dc547463439
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
该数据集是一个多中心前瞻性队列研究数据集，旨在评估和比较四种不同的心脏磁共振成像（CMR）方法在量化二尖瓣反流（MR）严重程度方面的准确性和可重复性。数据集包含35名经超声心动图确诊的二尖瓣反流患者的CMR影像数据，涵盖原发性（退行性瓣膜病）和继发性（原发性心肌病）病因，以及二尖瓣修复或置换术后患者。数据来源于多中心临床研究，主要应用于心脏病学领域，特别是用于指导二尖瓣反流的管理策略、评估疾病严重程度，并支持医学影像量化方法的比较与验证研究。
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。
