非增强迷路成像检测梅尼埃病内淋巴积水 NELI 研究
源站描述指出,梅尼埃病是内耳疾病,表现为自发性眩晕发作,常伴耳鸣、耳内压迫感和波动性感音神经性听力损失,内淋巴积水是其主要病理生理基础

基本信息
资源简介
非增强迷路成像检测梅尼埃病内淋巴积水 NELI 研究
该数据集来自 clinicaltrials.gov,聚焦梅尼埃病(Meniere Disease)的内淋巴积水(EH)检测,属于 NELI 研究。源站描述指出,梅尼埃病是内耳疾病,表现为自发性眩晕发作,常伴耳鸣、耳内压迫感和波动性感音神经性听力损失,内淋巴积水是其主要病理生理基础。颞骨 MRI 长期用于排除前庭神经鞘瘤或内淋巴囊肿瘤等类似病变,延迟 3D-FLAIR 序列是目前诊断内淋巴积水的首选影像技术,可在静脉注射钆剂后延迟采集评估内淋巴间隙,球囊是梅尼埃病最常受累的结构。该数据可用于内耳影像相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:梅尼埃病。梅尼埃病(MD)是一种内耳病理,表现为自发性眩晕发作,通常伴有耳鸣、耳内压迫感和波动性感音神经性听力损失。内淋巴积水(EH)是梅尼埃病的主要病理生理基础。颞骨 MRI 长期以来被用于排除其他模仿 MD 的病理,如前庭神经鞘瘤或内淋巴囊肿瘤。目前,延迟 3D-FLAIR 序列是诊断内淋巴积水的首选成像技术。在静脉注射钆剂后延迟采集的 3D-FLAIR 序列上,可通过 MRI 评估内淋巴间隙。球囊似乎是 MD 中最常受累的结构。不同 MRI 扫描仪制造商的水肿方案可重复性存在争议。因为内和
【主题与分类】
主题标签:Meniere Disease。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04569175
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/NCT04569175
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:梅尼埃病。梅尼埃病(MD)是一种内耳病理,表现为自发性眩晕发作,通常伴有耳鸣、耳内压迫感和波动性感音神经性听力损失。内淋巴积水(EH)是梅尼埃病的主要病理生理基础。颞骨MRI长期以来被用于排除其他模仿MD的病理,如前庭神经鞘瘤或内淋巴囊肿瘤。目前,延迟3D-FLAIR序列是诊断内淋巴积水的首选成像技术。在静脉注射钆后延迟采集的3D-FLAIR序列MRI上可以评估内淋巴间隙。在MD中,球囊似乎是受累最多的结构。不同MRI扫描仪制造商的水肿协议可重复性存在争议。由于内淋巴和外淋巴间隙具有不同的生化组成,可以在健康志愿者上调整新的FLAIR 3D序列,以区分内淋巴和外淋巴间隙。
本研究的假设是,这种新方法检测囊状水肿的性能可与钆注射后进行的标准FLAIR相媲美。本研究将前瞻性纳入30例经AAO-HNS标准确诊的MD患者。所有患者都将签署知情同意书。他们将先接受无需注射的优化3D FLAIR序列检查(待验证方法)。随后,他们将被注射造影剂,并在造影剂给药4小时后使用同一序列再次接受检查(参考方法),以利用诊疗过程中将进行的钆静脉注射。优化后的非增强3D FLAIR序列将与参考方法以及钆注射4小时后同一序列的检查结果进行比较。
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。




