Suture-Tight™ 首次人体安全性与性能研究
该数据集来自 clinicaltrials.gov，聚焦腹主动脉瘤的血管腔内修复治疗。研究在澳大利亚 Randwick 的 Prince of Wales Private Hospital 单中心开展，计划入组最多 6 名受试者，先入组 1 至 3 名并随访 30 天评估手术与器械安全性，经安全审查
基本信息
资源简介
Suture-Tight™ 首次人体安全性与性能研究
该数据集来自 clinicaltrials.gov，聚焦腹主动脉瘤的血管腔内修复治疗。研究在澳大利亚 Randwick 的 Prince of Wales Private Hospital 单中心开展，计划入组最多 6 名受试者，先入组 1 至 3 名并随访 30 天评估手术与器械安全性，经安全审查后可继续入组至 6 名，所有受试者随访 6 个月。受试者接受使用 Suture-Tight 装置进行移植物锚定的择期 EVAR，并在 1 个月和 6 个月通过 CT 扫描和 KUB X 线评估安全性与性能。数据可用于支持该研究器械的关键性研究及未来全球监管申报（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：腹主动脉瘤。单中心研究，在澳大利亚 Randwick 的 Prince of Wales Private Hospital 开展。最多可入组 6 名受试者。1 至 3 名受试者将完成初始入组并接受 30 天随访，评估手术和器械安全性。在安全性审查后，可入组更多受试者以完成 6 名受试者的研究。所有受试者将接受六（6）个月随访。符合所有入选和排除标准的受试者将签署知情同意，接受使用 Suture-Tight 装置进行移植物锚定的择期血管腔内主动脉瘤修复术（EVAR）。将在 1 个月和 6 个月时通过完成 CT 扫描和 KUB X 线评估手术和器械的安全性与性能。数据可能用于支持该研究器械的关键性研究及未来全球监管申报。
【主题与分类】
主题标签：Aortic Aneurysm, Abdominal。本站分类：心血管系统疾病/腹主动脉瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05812768
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/NCT05812768
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：腹主动脉瘤。单中心研究，在澳大利亚兰德威克的威尔士亲王私立医院进行。最多可入组6名受试者。1至3名受试者将完成初始入组，并接受30天随访，评估手术和器械安全性。安全性审查后，可入组更多受试者以完成6名受试者的研究。所有受试者将接受六（6）个月随访。符合所有入选和排除标准的受试者将签署知情同意书，接受择期血管内主动脉瘤修复术（EVAR），并使用Suture-Tight装置进行移植物锚定。将在1个月和6个月时通过完成CT扫描和KUB X线检查来评估手术和器械的安全性与性能。数据可能用于支持该研究性器械的关键性研究以及未来的全球监管申报。
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。
