Meniere病患者内耳与脑结构的对比增强MRI评估
该数据集来自clinicaltrials.gov，针对Meniere病患者，采用对比剂延迟注射的磁共振成像评估内耳外淋巴结构，并对双侧耳蜗进行MR灌注成像评估，同时通过MR扩散成像评估主要听觉脑通路
基本信息
资源简介
Meniere病患者内耳与脑结构的对比增强MRI评估
该数据集英文名为 Evaluation of Inner Ear and Brain Structures With Contrast-enhanced MRI in Patients With Meniere's Disease，来源于 clinicaltrials.gov，主题标签为 Meniere's Disease，在分类上归入神经系统疾病下的其他类别。数据集围绕梅尼埃病患者展开，核心内容是借助对比剂延迟注射的磁共振成像，更细致地刻画内耳外淋巴结构，同时对双侧耳蜗进行 MR 灌注成像评估，并通过 MR 扩散成像评估主要听觉脑通路。整体来看，该数据集面向梅尼埃病这一特定人群，将内耳结构与听觉脑通路的影像学评估结合起来，为相关研究提供以磁共振成像为核心的数据基础。
【数据集背景】
该数据集对应的是一项前瞻性研究，研究对象为梅尼埃病患者。研究的目标是更好地表征梅尼埃病患者内耳的外淋巴结构，所采用的技术路线是使用对比剂并进行延迟注射的磁共振成像。梅尼埃病属于神经系统疾病分类下的主题，数据集以 Meniere's Disease 作为主题标签，说明其内容紧密围绕这一疾病人群的影像学特征展开。源站描述中明确了研究条件为 Meniere's Disease，并指出该研究为前瞻性设计，这构成了数据集产生的研究背景与基本定位。
【数据内容】
数据集所涉及的内容围绕三类磁共振成像评估展开。其一，利用对比剂延迟注射的磁共振成像，对内耳的外淋巴结构进行更细致的表征；其二，对双侧耳蜗进行 MR 灌注成像评估，即 MR Perfusion Imaging 在两侧耳蜗均会加以评估；其三，通过 MR 扩散成像评估主要听觉脑通路。上述三方面内容共同构成了数据集在影像学层面的核心信息范围，覆盖内耳外淋巴结构、耳蜗灌注以及听觉脑通路等对象。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明，这是一项前瞻性研究，研究对象为梅尼埃病患者，采集手段为磁共振成像，具体包括使用对比剂并延迟注射的成像方式、MR 灌注成像以及 MR 扩散成像。关于采集设备型号、采集参数、样本量、采集时间跨度等更细化的信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于围绕梅尼埃病的影像学研究场景，尤其是关注内耳外淋巴结构表征、双侧耳蜗灌注评估以及主要听觉脑通路扩散成像评估的研究方向。其主题标签为 Meniere's Disease，分类归入神经系统疾病下的其他类别，因此也可作为该疾病领域内影像学数据的组成部分加以使用。关于具体的下游任务类型、模型训练用途或临床决策支持等更具体的适用方式，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT02530931
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：梅尼埃病。* 本前瞻性研究旨在通过使用对比剂并延迟注射的磁共振成像，更好地表征梅尼埃病患者的内耳外淋巴结构。* 将同时评估双侧耳蜗的MR灌注成像。* 将通过MR扩散成像评估初级听觉脑通路。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
