MRI用于急性脑出血早期评估
该数据集来自clinicaltrials.gov,聚焦急性脑出血(ICH)患者的MRI早期评估。研究旨在探究MRI识别脑出血背后潜在病理(肿瘤或血管畸形)的能力,并考察血肿周围代谢半暗带区

基本信息
资源简介
MRI用于急性脑出血早期评估
该数据集来自clinicaltrials.gov,聚焦急性脑出血(ICH)患者的MRI早期评估。研究旨在探究MRI识别脑出血背后潜在病理(肿瘤或血管畸形)的能力,并考察血肿周围代谢半暗带区。目前MRI扫描通常在症状出现后3-4周进行,而早期使用MRI检测潜在病理所知甚少。早期评估有望实现早期干预并减少患者的不确定性。数据涉及脑出血、颅内动静脉畸形、高血压性颅内出血及脑肿瘤等主题,可用于脑出血病因分类与影像评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑出血、颅内动静脉畸形、高血压性颅内出血、脑肿瘤。在本研究中,我们希望探究MRI在因脑出血(ICH)入院的急性患者中识别潜在病理(肿瘤或血管畸形)的能力。如今MRI扫描通常在症状出现后3-4周进行,但关于早期使用MRI检测潜在病理所知甚少。这将有助于早期干预并减少患者的不确定性。我们进一步希望研究血肿周围的代谢半暗带区。目前文献中的看法是,该区域代表一个以凋亡和炎症为标志而非缺血的代谢区。我们计划:当患者到达我们的卒中科室时,他们将在7小时内接受MRI扫描,使用p
【主题与分类】
主题标签:Cerebral Hemorrhage、Intracranial Arteriovenous Malformations、Intracranial Hemorrhage, Hypertensive、Brain Neoplasms。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01689402
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/NCT01689402
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:脑出血、颅内动静脉畸形、颅内出血、高血压性、脑肿瘤。在本研究中,我们希望探究MRI在急性脑出血(ICH)入院患者中识别潜在病理(肿瘤或血管畸形)的能力。目前,MRI扫描通常在症状发作后3-4周进行,但关于早期使用MRI检测潜在病理的了解甚少。这将有助于早期干预并减少患者的不确定性。我们进一步希望研究血肿周围的代谢半暗带区。目前文献中的普遍观点认为,该区域是一个以凋亡和炎症为特征的代谢区,而非缺血。我们计划:当患者到达我们的卒中科室后,他们将在7小时内接受MRI扫描,采用预设序列。标准序列:轴位T2、轴位DWI、矢状位T1、T2 flair和轴位GRE序列。
磁敏感加权成像(SWI)化学位移成像(CSI)多体素波谱成像 增强后3D盒式重建 8周后,患者按照标准临床指南接受另一次MRI扫描,以排除潜在病变。3个月后,患者在门诊进行随访评估。综上所述,本研究的目的在于对ICH患者进行MRI早期评估的初步探究。其次,我们旨在利用多体素磁共振波谱技术研究ICH周围的代谢半暗带区。
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。




