基于Radscale与腰椎穿刺预测正常压力脑积水分流手术反应
该数据集来自clinicaltrials.gov,聚焦特发性正常压力脑积水(iNPH)患者接受脑室腹腔分流手术后的症状与步态改善预测

基本信息
资源简介
基于Radscale与腰椎穿刺预测正常压力脑积水分流手术反应
该数据集来自clinicaltrials.gov,聚焦特发性正常压力脑积水(iNPH)患者接受脑室腹腔分流手术后的症状与步态改善预测。研究评估iNPH Radscale结构化脑影像评分与标准化脑脊液放液试验(腰椎穿刺)两项术前诊断工具对术后恢复的预测准确性。参与者将接受基线神经学评估、简易精神状态检查认知筛查以及计时起立行走和10米步行等标准化步态测试。数据可用于构建和验证分流手术反应预测模型,辅助筛选可能从手术中获益的患者(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:特发性正常压力脑积水、正常压力脑积水。特发性正常压力脑积水(iNPH)是一种发生于老年人的神经系统疾病,以行走困难、认知功能下降和排尿功能障碍为特征。虽然脑室腹腔(VP)分流手术可以缓解症状,但识别哪些患者会获得有意义的康复仍具挑战性。本研究的目的是确定两种术前诊断工具——iNPH Radscale(一种结构化脑影像评分)和标准化脑脊液(CSF)放液试验(腰椎穿刺)——预测分流手术后症状和步态改善的准确程度。参加本研究的受试者将接受:* 基线神经学评估、通过简易精神状态检查进行的认知筛查,以及标准化步行测试(计时起立行走和10米步行
【主题与分类】
主题标签:Idiopathic Normal Pressure Hydrocephalus、Normal Pressure Hydrocephalus。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07832877
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/NCT07832877
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:特发性正常压力脑积水、正常压力脑积水。特发性正常压力脑积水(iNPH)是一种发生于老年人的神经系统疾病,以行走困难、认知功能下降和排尿功能障碍为特征。虽然脑室腹腔(VP)分流手术可以缓解症状,但识别哪些患者将获得有意义的康复仍具有挑战性。本研究的目的是确定两种术前诊断工具——iNPH Radscale(一种结构化脑影像评分)和标准化脑脊液(CSF)放液试验(腰椎穿刺)——对分流手术后症状和步态改善的预测准确性。参与本研究的受试者将接受:* 基线神经学评估、通过简易精神状态检查进行认知筛查,以及标准化步行测试(计时起立行走测试和10米步行测试)。* 使用7项特征的iNPH Radscale(评分0至12分)审阅脑CT或MRI扫描。
- 标准化的脑脊液穿刺测试,包括通过腰椎穿刺移除30至50毫升脊髓液,随后在2-4小时和24小时重复进行行走评估,以监测临时症状反应。
- 如果治疗手术团队认为临床上合适,则进行标准护理的VP分流手术。
- 术后随访访问在1、3和6个月时进行,使用Hellström iNPH量表评估功能恢复和步态变化。
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。




