急性自身免疫性脑炎的弥散成像
该数据集来自 clinicaltrials.gov，聚焦急性自身免疫性脑炎患者就诊时的 MRI 影像，尤其关注弥散加权序列的表现
基本信息
资源简介
急性自身免疫性脑炎的弥散成像
Diffusion Imaging in Acute Auto-immune Encephalitis 是一个以急性自身免疫性脑炎为关注对象的医学影像数据集，来源于 clinicaltrials.gov 登记的一项非随机回顾性研究。该数据集聚焦于自身免疫性脑炎患者就诊时的 MRI 影像表现，尤其关注弥散加权序列所反映的早期影像学改变。其核心价值在于：自身免疫性脑炎在起病初期的 MRI 特征目前报道较少，若能识别出早期影像异常，有助于缩短确诊时间并改善治疗管理。数据集以 Auto-immune Encephalitis 为主题标签，在分类上归入免疫系统疾病下的其他类别，适合作为神经系统免疫性疾病影像研究的基础资料。
【数据集背景】
自身免疫性脑炎是一类由免疫系统异常攻击中枢神经系统而引起的疾病，早期识别和诊断对治疗时机与预后具有重要影响。然而，该病在起病初期的 MRI 表现尚缺乏充分描述，相关病例系列报道较少，临床实践中容易延误诊断。该数据集所依托的研究正是针对这一空白而设计，采用非随机回顾性研究方式，系统考察自身免疫性脑炎患者就诊时的影像学特征，特别是弥散加权序列上的表现，以期提高对早期 MRI 异常的识别能力，从而为缩短阳性诊断所需时间、优化治疗管理提供依据。
【数据内容】
数据集围绕急性自身免疫性脑炎患者的 MRI 影像展开，重点关注就诊时（即疾病初期）的影像表现，并将弥散加权序列作为核心观察内容。主题标签为 Auto-immune Encephalitis，表明数据内容集中于该疾病实体。源站描述中未提供具体的病例数量、影像文件数量、序列种类清单、图像格式或标注信息，源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov，对应一项非随机回顾性研究。回顾性设计意味着影像资料来自既往临床诊疗过程中形成的记录，而非为研究专门前瞻性采集。源站描述中未提供采集机构、采集时间范围、设备型号、扫描参数或纳入排除标准等细节，源站未提供。
【适用场景】
基于其内容定位，该数据集可用于自身免疫性脑炎早期影像学表现的观察与研究，尤其是弥散加权序列异常模式的识别与分析；也可作为缩短诊断时间、辅助治疗决策相关方法学研究的影像基础。此外，在免疫系统疾病影像学的教学与病例讨论中亦具备参考价值。源站未提供关于具体应用案例或验证用途的说明。
【使用方法】
源站未提供数据访问方式、使用协议、文件组织方式或分析流程等技术说明。
【质量与限制】
该研究为非随机回顾性设计，影像资料来源于既往临床记录，源站未提供样本量、影像质量评估、标注一致性或偏倚控制等方面的信息。由于缺乏这些细节，使用者在解释数据时应保持谨慎。源站未提供其他质量相关说明。
【引用与许可】
源站未提供引用格式、许可条款或数据使用限制等信息。
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/NCT04339205
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：自身免疫性脑炎。这项非随机回顾性研究旨在探讨自身免疫性脑炎初诊时的影像学（MRI）表现，尤其是扩散加权序列。事实上，很少有系列研究描述自身免疫性脑炎发病初期的MRI表现。识别自身免疫性脑炎的早期MRI异常有助于缩短确诊时间并改善治疗管理。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
