非创伤性颅内出血后的脑影像（SAVEBRAINPWI）
该数据集来自 clinicaltrials.gov，聚焦非创伤性颅内出血患者的脑影像与脑灌注评估，覆盖动脉瘤破裂、动脉瘤性蛛网膜下腔出血、动静脉畸形、颅内动脉瘤及颅内出血等情形
基本信息
资源简介
非创伤性颅内出血后的脑影像（SAVEBRAINPWI）
Brain Imaging After Non-traumatic Intracranial Hemorrhage (SAVEBRAINPWI) 是一个登记于 clinicaltrials.gov 的数据集，聚焦非创伤性颅内出血患者的脑影像与脑灌注评估。其覆盖的临床情形包括动脉瘤破裂、动脉瘤性蛛网膜下腔出血、动静脉畸形、颅内动脉瘤以及颅内出血。该数据集所属分类为神经系统疾病下的其他类别，主题标签与上述疾病情形一致。整体而言，它围绕已批准且未改变的临床管理流程，对既往已使用的不同诊断方法在评估此类患者脑灌注方面的表现进行前瞻性描述与评价，为相关神经系统疾病的研究提供数据支撑。
【数据集背景】
该数据集来源于 clinicaltrials.gov，针对的是非创伤性颅内出血这一组疾病情形。根据源站描述，研究属于前瞻性设计，目的在于描述和评价一项已获批准且保持不变的临床管理方案，并评估其中已经使用的不同诊断方法在脑灌注评估中的作用。所涉及的疾病范围包括动脉瘤破裂、动脉瘤性蛛网膜下腔出血、动静脉畸形、颅内动脉瘤以及颅内出血。这些情形均属于非创伤性（即非外伤所致）的颅内出血范畴，病因可涉及动脉瘤、动静脉畸形或原因不明。数据集在分类上归入神经系统疾病下的其他类别，主题标签同样围绕上述疾病名称展开。
【数据内容】
该数据集的内容围绕非创伤性颅内出血患者的脑影像与脑灌注评估展开。源站描述指出，研究评价的是已经使用的不同诊断方法，用于评估此类患者的脑灌注情况。主题标签涵盖动脉瘤破裂、动脉瘤性蛛网膜下腔出血、动静脉畸形、颅内动脉瘤及颅内出血。除上述范围外，关于具体包含哪些影像模态、灌注参数、变量字段、样本量或时间跨度等信息，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。源站描述表明，研究是对一项已批准且未改变的临床管理进行前瞻性描述与评价，评估的是已经使用的不同诊断方法。关于采集地点、采集时间、采集机构、受试者招募方式及具体采集流程等细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于围绕非创伤性颅内出血患者脑灌注评估的研究场景，涉及动脉瘤破裂、动脉瘤性蛛网膜下腔出血、动静脉畸形、颅内动脉瘤及颅内出血等情形。其设计定位是对已批准且未改变的临床管理进行前瞻性描述与评价，并比较已使用的不同诊断方法在脑灌注评估中的表现。关于更具体的适用场景，如特定科研问题、临床决策支持或模型训练等，源站未提供。
【使用方法】
源站未提供关于该数据集具体使用方法的说明，包括数据获取方式、访问权限、分析流程或配套工具等。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，包括数据完整性、准确性、偏倚控制或已知局限等。
【引用与许可】
源站未提供关于该数据集引用方式与许可条款的说明。
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/NCT05276934
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：动脉瘤、破裂、动脉瘤性蛛网膜下腔出血、动静脉畸形、颅内动脉瘤、颅内出血。本研究是对已批准且未更改的临床管理进行前瞻性描述和评估，评估已使用的不同诊断方法，以评估非创伤性（动脉瘤性、AVM相关、不明原因）颅内出血患者的脑灌注。
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。
