MRI 在抗 LGI1 脑炎中的作用
抗 LGI1 脑炎属于自身免疫性脑炎，患者通常对免疫治疗反应良好，但仍有相当比例出现认知后遗症和残疾。本数据涉及脑磁共振成像在急性期诊断及随访中的表现，包括全脑萎缩、海马萎缩和海马内侧硬化等影像学改变，旨在识别可预测不良结局的影像特征，以指导更积极、更长期的免疫治疗决策，防止永久性神经功能缺损（来源
基本信息
资源简介
MRI 在抗 LGI1 脑炎中的作用
抗 LGI1 脑炎是自身免疫性脑炎的一种，患者体内常存在针对富亮氨酸胶质瘤失活蛋白 1（LGI1）的抗体。此类患者通常对免疫治疗反应良好，但仍有相当比例会遗留认知后遗症和残疾。脑磁共振成像在急性期是关键的诊断工具，随访中也可能出现全脑萎缩、海马萎缩和海马内侧硬化等影像学改变。本数据集聚焦于磁共振成像在抗 LGI1 脑炎中的作用，旨在识别能够预测不良结局的影像特征，从而为更积极、更长期的免疫治疗决策提供依据，以预防永久性神经功能缺损。
【数据集背景】
自身免疫性脑炎是一组异质性疾病，通常与针对神经元或胶质抗原的自身抗体相关。其中，携带抗 LGI1 抗体的患者对免疫治疗通常反应良好，但仍有显著比例的患者出现认知后遗症和残疾。这些患者可能受益于更积极和更长期的免疫治疗，目标是预防永久性神经功能缺损。因此，识别能够预测不良结局的特征对于指导治疗决策至关重要。脑磁共振成像在急性期是关键的诊断工具，但在随访研究中也可能出现影像学变化，包括全脑萎缩、海马萎缩和海马内侧硬化。本数据集即围绕这一临床需求，探讨磁共振成像在抗 LGI1 脑炎中的角色。
【数据内容】
本数据集的主题标签为自身免疫性脑炎。其内容涉及脑磁共振成像在抗 LGI1 脑炎急性期诊断及随访中的表现，具体包括全脑萎缩、海马萎缩和海马内侧硬化等影像学改变。数据集旨在识别可预测不良结局的影像特征，以指导更积极、更长期的免疫治疗决策，防止永久性神经功能缺损。关于数据集的具体样本量、影像模态细节、标注信息、随访时间点等，源站未提供。
【采集与来源】
本数据集的来源站为 clinicaltrials.gov。源站描述中提及的条件为自身免疫性脑炎。关于具体的采集机构、采集时间、采集设备、采集协议、受试者招募方式等，源站未提供。
【适用场景】
基于现有信息，本数据集适用于与抗 LGI1 脑炎相关的临床研究场景，特别是探索脑磁共振成像在急性期诊断和随访中作用的研究。潜在应用包括识别预测不良结局的影像特征，从而辅助制定更积极、更长期的免疫治疗策略，以预防永久性神经功能缺损。关于具体的适用人群、研究设计类型、统计分析方法等，源站未提供。
【使用方法】
源站未提供关于本数据集具体使用方法的说明，包括数据访问方式、预处理步骤、分析工具、代码示例等。
【质量与限制】
源站未提供关于本数据集质量评估、数据完整性、标注一致性、潜在偏倚、样本代表性等方面的信息。本数据集基于 clinicaltrials.gov 的注册信息，其内容可能受限于源站描述的详细程度。关于数据的具体限制和注意事项，源站未提供。
【引用与许可】
源站未提供关于本数据集的引用格式、许可协议、使用条款或版权信息。
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/NCT05825690
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：自身免疫性脑炎。“自身免疫性脑炎”一词指的是一组异质性疾病，通常与针对神经或胶质抗原的自身抗体相关。携带抗富亮氨酸胶质瘤失活蛋白1（LGI1）抗体的患者通常对免疫治疗反应良好，但仍有相当比例的患者会出现认知后遗症和残疾。这些患者可能受益于更为积极和长期的免疫治疗，旨在预防永久性神经功能缺损。识别预测不良结局的特征对于指导治疗决策至关重要。脑磁共振成像在急性期是关键诊断工具，但在随访研究中也可能出现影像学改变，包括全脑萎缩、海马萎缩和内颞叶硬化。我们假设，在急性和慢性期可识别的特定变化是不良结局和持续性神经功能缺损较高风险的基础。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
