多光谱光声成像检测吉兰-巴雷综合征与慢性炎性脱髓鞘性多发性神经病周围神经炎症与损伤
该数据集来自 clinicaltrials.gov,聚焦慢性炎性脱髓鞘性多发性神经病(CIDP)与吉兰-巴雷综合征(GBS)患者的疾病活动度评估

基本信息
资源简介
多光谱光声成像检测吉兰-巴雷综合征与慢性炎性脱髓鞘性多发性神经病周围神经炎症与损伤
该数据集来自 clinicaltrials.gov,聚焦慢性炎性脱髓鞘性多发性神经病(CIDP)与吉兰-巴雷综合征(GBS)患者的疾病活动度评估。研究采用多光谱光声断层成像(MSOT)检测周围神经的炎症与损伤,旨在弥补现有诊断方法在区分缓解与活动性疾病、急性期诊断敏感性及特异性方面的不足,并为长期治疗管理提供客观参数。数据可用于探索基于血红蛋白测量的炎症识别方法,辅助疾病活动度分类与疗效评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:CIDP - 慢性炎性脱髓鞘性多发性神经病,吉兰-巴雷综合征(GBS)。本研究旨在使用多光谱光声断层成像(MSOT)评估慢性炎性脱髓鞘性多发性神经病(CIDP)和吉兰-巴雷综合征(GBS)患者的疾病活动度。目前可用的CIDP和GBS诊断方法无法明确区分缓解与活动性疾病,并且在急性诊断期间敏感性和特异性有限。这可能导致诊断延迟,而诊断延迟对于及时启动治疗以及 consequently 获得更好预后至关重要。长期治疗管理也具有挑战性,因为评估治疗成功的客观参数在很大程度上缺乏。MSOT可以通过测量血红蛋白来检测炎症,我们的研究小组已经
【主题与分类】
主题标签:Guillain-Barré Syndrome (GBS)。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07121985
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/NCT07121985
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:CIDP——慢性炎性脱髓鞘性多发性神经病,吉兰-巴雷综合征(GBS)。本研究旨在利用多光谱光声断层成像(MSOT)评估慢性炎性脱髓鞘性多发性神经病(CIDP)和吉兰-巴雷综合征(GBS)患者的疾病活动度。目前可用的CIDP和GBS诊断方法无法明确区分缓解期与活动期疾病,并且在急性诊断中的敏感性和特异性存在局限。这可能导致诊断延迟,而这对及时启动治疗乃至获得更好预后至关重要。长期治疗管理同样具有挑战性,因为用于评估治疗成功的客观参数在很大程度上仍然缺乏。MSOT可通过测量血红蛋白来检测炎症,我们研究小组已在慢性炎症性肠病患者中成功证明了这一方法(Knieling, NEJM 2017)。因此,MSOT的应用也可扩展到神经炎症,从而能够更早地检测炎症和神经损伤,并有助于患者及时接受治疗。
在神经成像方面,埃尔朗根儿科诊所配备了一台由iThera Medical公司生产的CE认证MSOT设备。此外,还有一台未经CE认证、激光功率较低的设备,可用于床旁检查。臂丛神经将在三个队列中进行检查,这些队列将相互比较,并与标准诊断方法(血液检测、电生理学、常规超声)进行对比。每个队列将包括十名健康对照者、十名CIDP患者和十名GBS患者。
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。




