超声与PET/CT在巨细胞动脉炎诊断与监测中的评估
该数据集来自 clinicaltrials.gov,围绕巨细胞动脉炎(GCA)与血管炎的诊断与监测,聚焦血管超声与18F-FDG PET/CT等影像手段的应用评估

基本信息
资源简介
超声与PET/CT在巨细胞动脉炎诊断与监测中的评估
该数据集来自 clinicaltrials.gov,围绕巨细胞动脉炎(GCA)与血管炎的诊断与监测,聚焦血管超声与18F-FDG PET/CT等影像手段的应用评估。源站描述指出GCA诊断以临床和综合征为基础,颞动脉活检曾是标准工具但敏感性中等且对治疗管理影响有限,EULAR现推荐对所有疑似GCA患者进行诊断性影像检查,疑似颅型GCA首选血管超声,而18F-FDG PET/CT不推荐用于颅动脉评估,疑似大血管受累时可选用PET/CT、超声、MRI或CT。数据可用于影像诊断路径与疾病监测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:巨细胞动脉炎、血管炎。GCA的诊断基于临床和综合征。就在几年前,颞动脉活检(TAB)还是确认诊断的标准诊断工具,尽管其敏感性中等[3,4]且其结果很少影响治疗管理[5]。如今,欧洲抗风湿病联盟(EULAR)推荐对所有疑似GCA患者进行诊断性影像检查[6]。影像选择取决于疑似受累的血管。在疑似颅型GCA(c-GCA)患者中,血管超声(US)是推荐的一线影像检查,而氟-18-氟脱氧葡萄糖(18F-FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)不推荐用于颅动脉评估。在疑似大血管受累(LV-GCA)患者中,18F-FDG PET/CT、US、磁共振成像(MRI)或CT可用于
【主题与分类】
主题标签:Giant Cell Arteritis、Vasculitis。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03765424
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/NCT03765424
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
疾病:巨细胞动脉炎、血管炎。GCA的诊断基于临床表现和综合征。就在几年前,颞动脉活检(TAB)还是确认诊断的标准诊断工具,尽管其敏感性中等[3,4],且其结果很少影响治疗管理[5]。如今,欧洲抗风湿病联盟(EULAR)推荐对所有疑似GCA的患者进行诊断性影像学检查[6]。影像学选择基于疑似受累血管。对于疑似颅型GCA(c-GCA)的患者,血管超声(US)是推荐的一线影像学检查,而不推荐使用氟-18-氟脱氧葡萄糖(18F-FDG)正电子发射断层扫描/计算机断层扫描(PET/CT)评估颅动脉。对于疑似大血管受累(LV-GCA)的患者,可使用18F-FDG PET/CT、US、磁共振成像(MRI)或CT来确认疾病,但未给出影像学检查的具体优先顺序。US是疑似LV-GCA患者颇具吸引力的一线影像学检查,因为其越来越多地用于c-GCA的诊断,易于获取且价格低廉。
18F-FDG PET/CT在疑似LV-GCA患者中是一种有吸引力的诊断工具,因为它还可评估恶性肿瘤和感染,而这些是该疾病亚群中常被考虑的鉴别诊断。然而,18F-FDG PET/CT往往不易获得、价格昂贵且使患者暴露于辐射。此外,其敏感性似乎随糖皮质激素(GC)治疗而降低,而敏感性不受影响的窗口期尚不明确。GCA患者在糖皮质激素减量期间复发频繁。然而,对潜在GCA疾病活动的评估依赖于非特异性症状和炎症生物标志物。GCA疾病活动症状与GC不良反应之间存在显著重叠,疾病活动与感染的症状及生物标志物同样如此,使评估变得困难。支持治疗决策、避免过度治疗而不
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。




