Pipeline栓塞治疗颅内动脉瘤数据集
该数据集来源于clinicaltrials.gov，收集了接受Pipeline植入的颅内动脉瘤患者的临床、实验室和影像数据
基本信息
资源简介
Pipeline栓塞治疗颅内动脉瘤数据集
Pipeline Embolization for Intracranial Aneurysms 数据集来源于 clinicaltrials.gov，收集了接受 Pipeline 植入的颅内动脉瘤患者的临床、实验室和影像数据。该数据集在本站归入心血管系统疾病 / 动脉瘤分类，主题标签涵盖疗效、自我、血流动力学不稳定、狭窄及颅内动脉瘤。源站描述显示，该研究的目的是观察 Pipeline 栓塞后的安全性、疗效与血流动力学变化，主要结局指标为动脉瘤闭塞状态、支架内狭窄发生率及功能预后，次要结局指标为支架植入前后的血流动力学变化。该数据集适合用于颅内动脉瘤 Pipeline 治疗相关的研究与教学参考。
【数据集背景】
颅内动脉瘤是心血管系统疾病中与动脉瘤相关的重要类型。Pipeline 植入是一种针对颅内动脉瘤的血管内治疗方式。该数据集所对应的研究聚焦于接受 Pipeline 植入的颅内动脉瘤患者，旨在观察 Pipeline 栓塞后的安全性、疗效和血流动力学表现。源站描述中列出的相关条件包括疗效、自我、血流动力学不稳定、狭窄及颅内动脉瘤，反映出该研究关注的治疗评价维度。数据集的主题标签与上述条件一致，便于在心血管系统疾病 / 动脉瘤这一分类下进行检索与归类。
【数据内容】
该数据集收集了接受 Pipeline 植入的颅内动脉瘤患者的临床、实验室和影像数据。根据源站描述，研究的主要结局指标为动脉瘤闭塞状态、支架内狭窄发生率及功能预后；次要结局指标为支架植入前后的血流动力学变化。数据内容围绕上述结局与指标组织，涵盖临床、实验室与影像三类信息。源站未提供具体的变量清单、样本量、时间跨度或数据记录格式等细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov，本站分类为心血管系统疾病 / 动脉瘤。数据采集对象为接受 Pipeline 植入的颅内动脉瘤患者，采集内容为这些患者的临床、实验室和影像数据。源站未提供采集地点、采集时间范围、采集机构及具体的采集流程等信息。
【适用场景】
该数据集可用于围绕颅内动脉瘤 Pipeline 栓塞治疗的研究，例如观察治疗后的安全性、疗效与血流动力学变化，分析动脉瘤闭塞状态、支架内狭窄发生率与功能预后，以及比较支架植入前后的血流动力学改变。其临床、实验室与影像数据的组合也适合用于心血管系统疾病 / 动脉瘤方向的教学与参考。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、数据结构说明及分析建议等。
【质量与限制】
源站未提供该数据集的质量评估信息、样本量、缺失情况、偏倚控制及使用限制等具体说明。使用时应以源站描述所界定的研究目的与结局指标为理解范围，不宜超出该范围推断数据属性。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT06446778
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：疗效、自身、血流动力学不稳定、狭窄、动脉瘤、颅内。本研究收集了接受Pipeline植入术的颅内动脉瘤患者的临床、实验室和影像学数据。本研究的目的是观察Pipeline栓塞术后的安全性、疗效和血流动力学。主要结局为动脉瘤闭塞状态、支架内狭窄发生率及功能预后。次要结局为支架植入前后的血流动力学变化。
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。
