使用Scan-Doppler对Horton病患者颞动脉的速度测量研究
该数据集来自clinicaltrials.gov，主题为Horton病（巨细胞动脉炎）患者颞动脉的Scan-Doppler速度测量研究
基本信息
资源简介
使用Scan-Doppler对Horton病患者颞动脉的速度测量研究
该数据集英文名为 Velocimetric Study of Temporal Arteries in Patients With Horton Disease Using Scan-Doppler，来源于 clinicaltrials.gov，主题聚焦于 Horton 病（即巨细胞动脉炎，GCA）患者颞动脉的 Scan-Doppler 速度测量研究。Horton 病是一种累及中等及大血管的炎症性疾病，颞动脉常受累，临床上对其诊断与评估一直受到关注。源站描述指出，超声在检测巨细胞动脉炎方面的应用正在兴起；目前颞动脉活检仍是诊断 GCA 的金标准，但已有研究显示 B 型超声具有应用价值。然而，针对 GCA 中血流速度的研究此前尚未开展，本数据集即围绕这一方向展开，属于免疫系统疾病分类下的其他类目，主题标签为 Horton Disease。
【数据集背景】
Horton 病即巨细胞动脉炎，是一种以血管炎症为特征的疾病，颞动脉是常见的受累部位。在诊断实践中，颞动脉活检长期被视为金标准。源站描述同时指出，超声检查在检测巨细胞动脉炎方面的应用正在不断涌现，已有研究表明 B 型超声在诊断中具有价值。尽管如此，关于 GCA 患者颞动脉血流速度的研究此前尚未进行，这正是本数据集所对应的研究背景与出发点。
【数据内容】
该数据集围绕 Horton 病患者颞动脉的 Scan-Doppler 速度测量展开，研究主题为颞动脉的速度测量。源站描述提及既往研究关注 B 型超声的应用，而速度研究尚未开展，因此本数据集的内容方向与颞动脉血流速度的超声测量相关。除上述主题信息外，源站未提供具体变量、样本量、测量指标数值等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于该站收录的研究条目。其英文名称明确指向使用 Scan-Doppler 对 Horton 病患者颞动脉进行速度测量研究。关于具体的采集机构、采集时间、采集地点与操作流程，源站未提供。
【适用场景】
基于其主题，该数据集适用于与 Horton 病（巨细胞动脉炎）相关的颞动脉超声研究场景，尤其是关注 Scan-Doppler 速度测量的研究方向，也可为探讨超声在巨细胞动脉炎检测中应用价值的工作提供参考。关于更具体的适用条件与使用范围，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、数据结构说明或分析指引。
【质量与限制】
源站描述提到，颞动脉活检目前仍是诊断 GCA 的金标准，而 B 型超声的应用价值已获研究关注，但 GCA 中的速度研究此前尚未开展。这一背景提示该数据集所对应的研究方向具有一定探索性。关于数据质量评价、样本代表性、测量误差等具体限制，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT03360162
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：霍顿病。超声检查在检测巨细胞动脉炎（GCA）中的应用正逐渐兴起。目前，颞动脉活检是诊断GCA的金标准，但研究已显示使用B型超声检查的价值。然而，迄今为止，尚未进行GCA中血流速度的研究。
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。
