Multimethod Comparison Dataset of Mitral Regurgitation Quantification by Cardiac Magnetic Resonance Imaging
二尖瓣反流量化比较数据集，包含35名患者的心脏MRI数据，用于比较四种CMR量化方法的一致性和可重复性。
基本信息
资源简介
Multimethod Comparison Dataset of Mitral Regurgitation Quantification by Cardiac Magnetic Resonance Imaging
【一句话概览】
本数据集是 Dataverse 公开的影像数据集，收录 2 个文件、合计 107.67 KB，主题涵盖 Medicine, Health and Life Sciences，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
源站首次发布：2021-02-11。
【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,…
中文译文（机器翻译，仅供快速理解，请以原文为准）：二尖瓣反流是第二常见的瓣膜性心脏病。1 二尖瓣反流患者的治疗策略在很大程度上取决于疾病的严重程度。因此，在二尖瓣反流患者的评估中，准确量化二尖瓣反流的严重程度并区分非严重与严重二尖瓣反流至关重要。本数据集涉及一项多中心前瞻性队列研究，纳入35例经超声心动图无创确诊为二尖瓣反流的患者。6 研究纳入了因原发性病因（退行性瓣膜病）或继发于原发性心肌病而导致二尖瓣反流的成年患者，以及二尖瓣修复或置换术后发生二尖瓣反流的患者。全面评估四种不同CMR方法量化二尖瓣反流的一致性和可重复性的主要研究已发表。
【数据结构与技术规格】
文件数 2 个，合计 107.67 KB。数据集 DOI：doi:10.7910/DVN/XWL3ZV。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/XWL3ZV
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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XWL3ZV
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。
