基于超声成像的颈动脉斑块易损性评估与心脑血管事件预测

该数据集来自clinicaltrials.gov,为一项前瞻性多中心队列研究,计划收集600例颈动脉斑块患者的多模态超声图像数据,图像数据超过66,000份,患者来自五个参与中心

Shanghai General Hospital, Shanghai Jiao Tong University School of MedicineShanghai General Hospital, Shanghai Jiao Tong University School of Medicine
clinicaltrials
浏览 4
医学影像预测Carotid PlaqueIschemic StrokeCardiovascular Events
Evaluation of Vulnerability of Carotid Plaques and Prediction of Cardio-Cerebrovascular Event Using Ultrasonic Imaging

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-10

资源简介

基于超声成像的颈动脉斑块易损性评估与心脑血管事件预测

该数据集对应的研究为一项前瞻性多中心队列研究,英文名称为“Evaluation of Vulnerability of Carotid Plaques and Prediction of Cardio-Cerebrovascular Event Using Ultrasonic Imaging”。研究聚焦颈动脉斑块、缺血性卒中与心血管事件,计划收集600例颈动脉斑块患者的多模态超声图像数据,图像数据超过66,000份,患者来自五个参与中心。研究从病例收集开始,随访期为36个月,期间观察患者心脑血管事件的发生情况,旨在探索多模态超声成像指标、颈动脉斑块易损性与心脑血管事件之间的关系,并在此基础上建立颈动脉斑块患者的心脑血管风险预测模型,形成适合临床使用的风险预警工具。该数据集来源于clinicaltrials.gov,本站分类为肿瘤/其他。

【数据集背景】

颈动脉斑块与缺血性卒中、心血管事件之间存在密切的临床关联,如何借助影像学手段评估斑块易损性并预测心脑血管事件,是临床研究关注的重要方向。该研究以多模态超声成像为核心技术手段,通过前瞻性多中心队列设计,系统收集颈动脉斑块患者的影像与随访信息,试图揭示超声成像指标与斑块易损性及心脑血管事件之间的内在联系。研究最终目标在于构建面向颈动脉斑块患者的心脑血管风险预测模型,并形成适用于临床实践的风险预警工具。该数据集即围绕这一研究目标形成,主题标签包括Carotid Plaque、Ischemic Stroke与Cardiovascular Events。

【数据内容】

该数据集的核心内容为颈动脉斑块患者的多模态超声图像数据,计划收集600例患者,图像数据超过66,000份。研究同时关注患者随访期间心血管和脑血管事件的发生情况,以及多模态超声成像指标与斑块易损性、心脑血管事件之间的关系。数据内容涉及颈动脉斑块、缺血性卒中及心血管事件等主题。除上述信息外,源站未提供更细粒度的字段结构、图像模态类型、标注信息或随访事件记录格式。

【采集与来源】

该数据集来源于clinicaltrials.gov,对应一项前瞻性多中心队列研究。患者来自五个参与中心,计划收集600例颈动脉斑块患者,并采集超过66,000份多模态超声图像数据。研究从收集病例开始,随访期为36个月,期间观察患者心血管和脑血管事件的发生情况。源站描述中提及了纳入标准,包括“完全理解研究目的”等条件,但源站未提供完整的纳入与排除标准细则。

【适用场景】

该数据集适用于围绕颈动脉斑块易损性评估、多模态超声成像指标分析以及心脑血管事件风险预测的研究与应用场景。具体而言,可用于探索超声成像指标与斑块易损性之间的关系,分析斑块易损性与心血管和脑血管事件之间的关联,并支持建立颈动脉斑块患者的心脑血管风险预测模型。研究目标中明确提到形成适合临床使用的风险预警工具,因此该数据集也可为临床风险预警工具的开发与验证提供数据基础。此外,主题标签涵盖Carotid Plaque、Ischemic Stroke与Cardiovascular Events,提示其可服务于缺血性卒中与心血管事件相关的影像学研究。源站未提供其他具体适用场景。

【使用方法】

源站未提供该数据集的具体使用方法,包括数据访问方式、下载格式、图像读取工具、随访数据结构、模型训练与验证流程等均未说明。该数据集为前瞻性多中心队列研究形成的数据集合,计划收集600例患者及超过66,000份多模态超声图像数据,随访期36个月,但源站未提供关于如何调用、处理或分析这些数据的具体操作说明。

【质量与限制】

该数据集来自前瞻性多中心队列研究,患者来自五个参与中心,计划收集600例颈动脉斑块患者,图像数据超过66,000份,随访期36个月。这些设计特征为数据提供了多中心来源和纵向随访背景。然而,源站未提供关于数据质量控制、图像标准化、标注一致性、缺失数据处理、样本代表性或外部验证等方面的具体信息。源站描述中仅提及纳入标准的一部分,未提供完整纳入与排除标准,也未说明数据是否存在偏倚或局限性。因此,关于该数据集的质量与限制,源站未提供更多可确认的内容。

【引用与许可】

源站未提供该数据集的引用方式与许可信息,包括但不限于推荐引用格式、数据使用协议、许可类型、访问权限或商业使用限制等均未说明。该数据集来源于clinicaltrials.gov,但源站未提供与引用和许可相关的具体条款。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06473272

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:颈动脉斑块、缺血性卒中、心血管事件。本研究为一项前瞻性多中心队列研究,旨在收集600例颈动脉斑块患者(包括超过66,000份多模态超声图像数据),患者来自五个参与中心。从病例收集开始,随访期为36个月,期间将观察患者心脑血管事件的发生情况。探讨多模态超声成像指标、颈动脉斑块易损性与心脑血管事件之间的关系。在此基础上,建立颈动脉斑块患者心脑血管风险预测模型,形成适合临床使用的风险预警工具。纳入标准:1. 充分了解本试验目的及意义,自愿参加并自愿签署知情同意书的患者;2. 年龄超过40岁的患者;3.

常规超声显示颈动脉斑块厚度≥1.5 mm的患者,接受常规双功能超声、对比增强超声、超声弹性成像和三维超声成像检查。排除标准:1. 严重心肺功能不全的患者;对六氟化硫过敏者;妊娠或哺乳期妇女;晚期肿瘤患者;2. 超声图像质量差;3. 曾因颈动脉斑块在同侧接受过颈动脉支架植入术或内膜剥脱术的患者。本研究旨在完成600例因颈动脉斑块接受超声检查患者的影像数据库建立,随访36个月,并记录是否发生心脑血管疾病。

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。

获取专属数据定制方案