慢性假性肠梗阻的MRI评估数据集
该数据集来自 clinicaltrials.gov,聚焦慢性假性肠梗阻(CIPO)的 MRI 评估研究。研究纳入至少 16 岁的受试者共 16 人,其中 8 例 CIPO 患者和 8 例慢性便秘患者,通过在测试饮品前后进行 MRI 扫描,观察胃与肠道的消化工作情况,并比较两组影像

基本信息
资源简介
慢性假性肠梗阻的MRI评估数据集
该数据集来自 clinicaltrials.gov,聚焦慢性假性肠梗阻(CIPO)的 MRI 评估研究。研究纳入至少 16 岁的受试者共 16 人,其中 8 例 CIPO 患者和 8 例慢性便秘患者,通过在测试饮品前后进行 MRI 扫描,观察胃与肠道的消化工作情况,并比较两组影像。数据可用于探索基于 MRI 的标准化临床检查方法,以支持更快诊断,并服务于消化系统疾病相关的影像分析与评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:慢性假性肠梗阻。慢性假性肠梗阻(CIPO)患者由于肠道神经或肌肉问题,无法正常消化食物。目前评估患者胃和肠道工作情况的良好检查方法不多。进一步了解是开发标准化 MRI 临床检查的第一步,该检查有望比现有方法更快地提供诊断。磁共振成像(MRI)扫描使研究者能够看到腹部内部。扫描无痛且无害,因此非常适合重复测量。通过在测试饮品前后对参与者进行扫描,研究者可以准确了解其消化工作情况。研究者正在邀请 16 名至少 16 岁的人员,其中 8 名患有 CIPO,8 名患有慢性便秘,以便研究者比较图像。
【主题与分类】
主题标签:Chronic Intestinal Pseudo-Obstruction。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04193735
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/NCT04193735
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:慢性假性肠梗阻。慢性假性肠梗阻(CIPO)患者因肠道神经或肌肉问题而无法正常消化食物。目前尚无许多良好的检查方法来评估患者胃部和肠道的运作情况。进一步了解是开发标准化临床检查的第一步,该检查利用MRI实现比目前更快的诊断。磁共振成像(MRI)扫描使研究人员能够观察腹腔内部。扫描无痛且无害,因此非常适合重复测量。通过在测试饮品前后对参与者进行扫描,研究人员可以准确了解其消化运作情况。研究人员正在邀请16名至少16岁的人士参与,其中8名患有CIPO,8名患有慢性便秘,以便研究人员比较图像。参与者将前来进行为期半天的扫描。研究人员将每半小时对其腹部进行共8次扫描。参与者还将在每次扫描时填写症状问卷,例如是否感到腹胀或有任何腹痛。
每次扫描约需15分钟,期间需要短暂屏气。参与者在任何时候若感到需要,均可从扫描仪中出来。参与者将于早晨空腹到达,并在第一次扫描后立即饮用一种试验饮品(一种以牛奶为基础的口服营养补充剂)。所有参与者将被要求在扫描日前24小时以及研究期间约4小时内,暂停使用部分对消化有直接影响的常规药物。主要结局指标为小肠运动峰值,研究者假设CIPO患者的小肠运动活跃度较低。其他结局指标包括胃容量、小肠含水量及分布、胃运动峰值以及胃肠道症状。
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。




