TBM/脊髓结核性蛛网膜炎影像学表现诊断准确性及与结局相关性
该数据集来源于clinicaltrials.gov,聚焦结核性脑膜炎与结核性蛛网膜炎的影像学诊断准确性及其与临床结局的相关性

基本信息
资源简介
TBM/脊髓结核性蛛网膜炎影像学表现诊断准确性及与结局相关性
该数据集来源于clinicaltrials.gov,聚焦结核性脑膜炎与结核性蛛网膜炎的影像学诊断准确性及其与临床结局的相关性。研究采用双向队列设计,纳入回顾性数据库中连续患者及前瞻性新登记患者,覆盖神经内科、普通内科、老年医学及肿瘤内科等病房。样本量基于脑沟结核瘤敏感度70%、特异度80%及结核性脑膜炎患病率70%的假设估算,预计至少纳入120例患者。数据可用于评估影像学征象的诊断价值,并分析其与患者结局的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:结核性脑膜炎、结核性蛛网膜炎。研究方法:研究设计:双向队列研究;观察性研究;诊断准确性研究。样本量:回顾性研究将纳入数据库中所有连续患者,前瞻性部分将纳入神经内科门诊登记及神经内科、普通内科、老年医学科或肿瘤内科病房收治的所有新患者。预期结核性脑膜炎中脑沟结核瘤的敏感度为70%,范围60%至80%,研究者预期(47030)/1010=84例患者。预期脑沟结核瘤的特异度为80%,范围70%至90%,研究者预期(48020)/1010=64例患者。预期慢性脑膜炎患者中结核性脑膜炎的患病率为70%,样本量至少120例患者(70%的
【主题与分类】
主题标签:Tuberculous Meningitis、Tuberculous Arachnoiditis。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05636254
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/NCT05636254
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:结核性脑膜炎、结核性蛛网膜炎。研究方法研究设计:双向队列研究;观察性研究;诊断准确性研究样本量:回顾性研究将纳入数据库中所有连续患者,前瞻性部分将纳入神经内科门诊登记的所有新患者以及神经内科、普通内科、老年医学科或肿瘤内科病房收治的所有新患者。预计结核性脑膜炎中脑沟结核瘤的敏感性为70%,范围为60%至80%,研究者预计(47030)/1010=84例患者。预计脑沟结核瘤的特异性为80%,范围为70%至90%,研究者预计(48020)/1010=64例患者。预计慢性脑膜炎患者中结核性脑膜炎的患病率为70%,样本量至少为120例患者(120的70%=84)。
受试者:* 研究人群:符合所述标准的慢性脑膜炎患者 * 纳入标准 * 因慢性脑膜炎就诊于神经内科门诊,或收治于普通内科、老年医学科或肿瘤内科病房的患者,诊断依据为综合临床标准、影像学标准及疾病的自然病史 * 年龄至少14岁,性别不限 * 慢性脑膜炎:符合上述病例定义 * 愿意根据临床需要接受定期临床评估及MRI检查。 * 结核性脑膜炎的诊断标准 ▪ 见后文诊断试验部分所述 * 临床脊髓结核性蛛网膜炎的诊断标准 ▪ 因脊髓神经根脊髓炎导致截瘫/四肢瘫/括约肌功能障碍,或反射消失,或反射亢进,且无明显脑实质病变(提示脊髓脑膜炎-脊髓炎),或因视交叉蛛网膜炎导致视力丧失,并具有蛛网膜炎的影像学证据 * 样本量:所有连续就诊的符合上述慢性脑膜炎表现的患者均将纳入 前瞻性研究的排除标准
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。




