MRI标志物监测小血管病动态及小血管病相关脑血管事件预后研究

该数据集来自clinicaltrials.gov,属于神经系统疾病/脑内出血分类,是PRO-SVD队列中的嵌套队列研究。覆盖脑内出血、脑淀粉样血管病和脑小血管病,聚焦MRI可见的小血管病标志物进展

Insel Gruppe AG, University Hospital BernInsel Gruppe AG, University Hospital Bern
clinicaltrials
浏览 6
医学影像预测Intracerebral HemorrhageCAA - Cerebral Amyloid AngiopathyCerebral Small Vessel Diseases
MRI-markers to Monitor Small Vessel Disease Dynamics in the Prognosis of Small Vessel Disease-associated, Cerebrovascular Events

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-19

资源简介

MRI标志物监测小血管病动态及小血管病相关脑血管事件预后研究

该数据集来自clinicaltrials.gov,属于神经系统疾病/脑内出血分类,是PRO-SVD队列中的嵌套队列研究。覆盖脑内出血、脑淀粉样血管病和脑小血管病,聚焦MRI可见的小血管病标志物进展。MRI是诊断小血管病的金标准,但关于MRI可见疾病进展的数据稀缺。该数据可用于研究脑内出血幸存者个体小血管病负担的MRI进展,并分析不同表型下并发症及标志物位置、分布和严重程度的差异(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:脑内出血、CAA - 脑淀粉样血管病、脑小血管病。这是PRO-SVD队列中的一项嵌套队列研究。小血管病是一种慢性疾病,被认为会随时间进展。MRI是诊断小血管病的金标准,但关于MRI可见疾病进展的数据稀缺。小血管病的并发症以及这些MRI小血管病标志物的位置模式、分布和严重程度因潜在表型而异。本项目的主要目的是研究脑内出血幸存者中通过MRI检测的个体小血管病负担进展。

【主题与分类】

主题标签:Intracerebral Hemorrhage、CAA - Cerebral Amyloid Angiopathy、Cerebral Small Vessel Diseases。本站分类:神经系统疾病/脑内出血。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05773235

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/NCT05773235

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:脑出血、CAA-脑淀粉样血管病、脑小血管病。这是一项嵌套于PRO-SVD队列中的队列研究。小血管病是一种慢性疾病,被认为会随时间进展。MRI是诊断小血管病的金标准,但关于MRI可见疾病进展的数据稀少。小血管病的并发症以及这些MRI小血管病标志物的位置模式、分布和严重程度因潜在表型而异。本项目的主要目的是研究脑出血幸存者中通过MRI检测到的个体小血管病负担进展。

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