TARIC-1:大动脉炎脑缺血远程缺血适应研究

该数据集来自 clinicaltrials.gov 的 TARIC-1 研究,面向大动脉炎合并脑缺血患者,采集远程缺血适应(RIC)或假 RIC 干预前后的临床与实验室数据

Xuanwu Hospital, BeijingXuanwu Hospital, Beijing
clinicaltrials
浏览 10
医学影像Cerebral IschemiaTakayasu Arteritis
Remote Ischemic Conditioning for Cerebral Ischemia in Patients With Takayasu Arteritis (TARIC-1)

基本信息

模态
医学影像
创建/更新时间
2026-10-21

资源简介

TARIC-1:大动脉炎脑缺血远程缺血适应研究

该数据集来自 clinicaltrials.gov 的 TARIC-1 研究,面向大动脉炎合并脑缺血患者,采集远程缺血适应(RIC)或假 RIC 干预前后的临床与实验室数据。基线收集临床症状、常规随访实验室检查、VEGF、NGF、ET-1、ACE、PAF、PDGF 等血清指标、血管受累情况、颅脑 MRI、血管损伤评分、疾病活动度及治疗信息;干预后 1、2、3、6 个月收集临床症状、实验室检查、疾病活动度、治疗及 RIC 相关不良反应,6 个月随访另收集血管受累、颅脑 MRI、血管损伤评分和疾病活动度数据。可用于观察 RIC 在该人群中的安全性及指标变化(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:脑缺血、大动脉炎。基线时将收集临床症状、常规随访实验室检查、其他血清学指标(VEGF、NGF、ET-1、ACE)、PAF、PDGF 等)、血管受累情况、颅脑 MRI、血管损伤评分、疾病活动度及治疗。在 RIC 或假 RIC 干预后,将于 1 个月、2 个月、3 个月和 6 个月收集临床症状、实验室检查、疾病活动度、治疗及 RIC 相关不良反应。6 个月随访时还将收集血管受累、颅脑 MRI、血管损伤评分和疾病活动度的数据。

【主题与分类】

主题标签:Cerebral Ischemia、Takayasu Arteritis。本站分类:损伤、中毒及外因。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06178419

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/NCT06178419

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:脑缺血、大动脉炎。基线时将收集临床症状、常规随访实验室检查、其他血清学指标(VEGF、NGF、ET-1、ACE)、PAF、PDGF等)、血管受累情况、头颅MRI、血管损伤评分、疾病活动度及治疗情况。在RIC或假RIC干预后,将于1个月、2个月、3个月和6个月时收集临床症状、实验室检查、疾病活动度、治疗及RIC相关不良反应。血管受累情况、头颅MRI、血管损伤评分及疾病活动度的数据还将在6个月随访时收集。

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