B型主动脉夹层支架植入幸存者研究
该数据集来自 clinicaltrials.gov，聚焦 B 型主动脉夹层患者接受支架植入后的幸存者情况，属于心血管系统疾病中的主动脉夹层主题
基本信息
资源简介
B型主动脉夹层支架植入幸存者研究
该数据集围绕B型主动脉夹层患者在接受支架植入后的幸存者情况展开，来源于clinicaltrials.gov，属于心血管系统疾病中的主动脉夹层主题。其英文名称为A Study in SurvIvors of Type B Aortic Dissection Undergoing Stenting。从源站描述来看，这是一项依据国家监管指南开展的队列研究，属于非干预性、观察性队列研究，并采用配对匹配的方式与历史系列中的患者进行比较。研究关注的是在复杂B型主动脉夹层中，于单次手术中在经典支架移植物基础上使用E-XL主动脉支架的临床与技术成功率，以及其安全性和可行性。整体而言，该数据集聚焦于B型主动脉夹层支架治疗后的幸存者人群，为相关心血管疾病研究提供观察性数据支持。
【数据集背景】
该数据集所对应的研究背景为B型主动脉夹层。源站描述指出，该研究是一项队列研究，依据国家监管指南开展，属于非干预性、观察性队列研究。研究设计包含与历史系列中选取患者进行配对匹配比较。研究关注的核心问题是，在复杂B型主动脉夹层中，于单次手术中在经典支架移植物基础上使用E-XL主动脉支架的临床与技术成功率、安全性和可行性。该数据集的主题标签为Type B Aortic Dissection，本站分类为心血管系统疾病 / 主动脉夹层。
【数据内容】
该数据集英文名称为A Study in SurvIvors of Type B Aortic Dissection Undergoing Stenting。其内容聚焦于B型主动脉夹层患者接受支架植入后的幸存者情况。源站描述提及，研究评估的是E-XL主动脉支架在复杂B型主动脉夹层中，与经典支架移植物在同一手术中联合使用时的临床和技术成功率、安全性和可行性。关于数据集具体包含哪些字段、变量、样本量、随访时间、结局指标数值等详细内容，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov。源站描述表明，该研究为观察性、非干预性队列研究，依据国家监管指南开展，并采用与历史系列患者进行配对匹配比较的方式。关于具体的采集机构、采集时间、采集地点、数据提取方式、伦理审批信息等，源站未提供。
【适用场景】
该数据集适用于心血管系统疾病中主动脉夹层相关的研究场景，尤其是围绕B型主动脉夹层患者接受支架植入后幸存者情况的分析。其研究设计涉及非干预性观察性队列研究，并包含与历史系列患者的配对匹配比较，因此可用于观察性研究设计、历史对照比较、支架治疗安全性与可行性评估等方向的参考。关于更具体的适用场景、分析模型或临床决策支持用途，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、下载格式、字段说明、统计分析方法、软件要求或操作步骤等。
【质量与限制】
源站描述显示，该研究为非干预性、观察性队列研究，并采用与历史系列患者配对匹配比较的设计。关于样本量、缺失数据、偏倚控制、随访完整性、统计效能、外部验证情况等质量与限制信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式、许可协议、使用条款或版权信息。
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/NCT01407159
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：B型主动脉夹层。根据国家监管指南开展的队列研究：非干预性、观察性队列研究。与从历史系列中选取的患者进行配对匹配比较。评估E-XL主动脉支架在复杂B型主动脉夹层中与经典覆膜支架在同一手术中联合使用的临床和技术成功率，以及安全性和可行性。
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。
