采用烟囱技术支架移植治疗主动脉弓的前瞻性研究(PATENCY)
该数据集来自clinicaltrials.gov,聚焦胸主动脉夹层累及主动脉弓的介入治疗。研究采用Lifetech Scientific(深圳)有限公司生产的Artery Stent Graft System,为前瞻性、多中心、客观性能标准临床试验

基本信息
资源简介
采用烟囱技术支架移植治疗主动脉弓的前瞻性研究(PATENCY)
该数据集来自clinicaltrials.gov,聚焦胸主动脉夹层累及主动脉弓的介入治疗。研究采用Lifetech Scientific(深圳)有限公司生产的Artery Stent Graft System,为前瞻性、多中心、客观性能标准临床试验。计划2018年9月提交牵头单位伦理委员会审查,12个月内在全国18家中心完成150例患者植入,并在出院前、术后30天、6个月、12个月进行中期随访,术后24、36、48、60个月进行长期随访,以评估器械是否达到预设性能目标。数据可用于主动脉弓病变腔内治疗器械性能与随访结局的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胸主动脉夹层。本临床试验在具备资质的临床试验机构开展。研究者将使用由先健科技(深圳)有限公司生产的Artery Stent Graft System治疗累及主动脉弓的胸主动脉夹层患者。这是一项前瞻性、多中心、客观性能标准临床试验。预计于2018年9月提交牵头单位伦理委员会审查,并在12个月内在全国18家中心完成150例患者的植入,出院前、术后30天、术后6个月和术后12个月进行中期随访,术后24个月、术后36个月、术后48个月和术后60个月进行长期随访。本试验将评估该器械是否达到
【主题与分类】
主题标签:Thoracic Aortic Dissection。本站分类:心血管系统疾病/主动脉夹层。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03767777
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/NCT03767777
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:胸主动脉夹层。本临床试验在具备资质的临床试验机构开展。研究者将使用先健科技(深圳)有限公司生产的动脉支架移植系统,治疗累及主动脉弓的胸主动脉夹层患者。这是一项前瞻性、多中心、客观性能标准临床试验。预计于2018年9月提交牵头单位伦理委员会审查,并在12个月内完成全国18个中心150例患者的植入,在出院前、术后30天、术后6个月和术后12个月进行中期随访,术后24个月、术后36个月、术后48个月和术后60个月将进行长期随访。本试验将通过两项主要终点指标评估该器械是否达到主要安全性终点和主要有效性终点:30天内主要不良事件(MAE)的发生率以及术后12个月主动脉夹层治疗成功率。
本试验将通过若干次要终点指标评估该器械是否达到次要安全终点和有效性终点:1. 术后30天、6个月、12个月及2-5年全因死亡的发生率;2. 术后30天、6个月、12个月及2-5年胸主动脉夹层相关死亡的发生率;3. 术后30天、6个月、12个月及2-5年严重不良事件(SAE)的发生率;4. 术后30天、6个月、12个月及2-5年器械相关不良事件(AE)的发生率;5. 术后30天、6个月、12个月及2-5年左上肢缺血的发生率;6. 术后30天、6个月、12个月I型或III型内漏的发生率;7. 术后30天、6个月、12个月移植物移位(graft migration)的发生率;8. 分支血管通畅率。
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。




