Micro-CT ICH Taihe 小鼠脑内出血微CT数据集

该数据集来自 data.mendeley.com,聚焦小鼠脑内出血(ICH)模型的 ioversol 增强 micro-CT 在体血肿可视化研究

google_dataset
2026-03-31 更新
浏览 2
医学影像图像分割脑内出血微CT成像碘佛醇增强血肿清除神经功能评分神经炎症小鼠模型
Micro-CT ICH Taihe

基本信息

模态
医学影像
大小
4.327418084 GB
任务类型
图像分割
创建/更新时间
2026-03-31
版本
v1

资源简介

Micro-CT ICH Taihe 小鼠脑内出血微CT数据集

Micro-CT ICH Taihe

该数据集来自 data.mendeley.com,聚焦小鼠脑内出血(ICH)模型的 ioversol 增强 micro-CT 在体血肿可视化研究。数据包含 3 个文件,涉及 micro-CT 成像、血肿定位与清除、神经功能评分及炎症因子检测等内容。可用于探索血肿体积评估、术前 CT 引导清除的可行性,以及功能恢复与神经炎症变化的关系(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2026-03-31。

【数据内容】

源站描述(机器翻译,仅供参考):研究假设:我们假设碘佛醇增强的 micro-CT 能够在小鼠 ICH 模型中实现活体血肿可视化,并且术前 micro-CT 定位可以指导血肿清除,从而改善功能恢复并减少神经炎症。数据表明:常规 CT 无法检测血肿,神经功能评分不能很好地反映实际血肿体积。1:10 的碘佛醇与血液比例可实现清晰的 micro-CT 可视化,且不增加损伤。术前 CT 引导清除降低了血肿体积,改善了 mNSS 和平衡木测试表现,并降低了 TNF-α、IFN-γ 和 IL-6 水平。重要发现:神经功能评分不足以评估血肿大小。1:10 的对比剂比例是 micro-CT 的最佳比例。CT 引导清除可行,并与更好的功能恢复和减少的炎症相关。解读:该模型能够重新

【数据结构与技术规格】

文件数 3 个,合计 4.33 GB。数据集 DOI:10.17632/pn469cbxxg.1。

【主题与分类】

主题标签:脑内出血、微CT成像、碘佛醇增强、血肿清除、神经功能评分、神经炎症、小鼠模型。本站分类:神经系统疾病/脑内出血。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/pn469cbxxg

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://data.mendeley.com/datasets/pn469cbxxg

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。

数据集大小约 4.33 GB。

数据说明

Rui Zhou (2026). Micro-CT ICH Taihe [Dataset]. http://doi.org/10.17632/pn469cbxxg.1

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