真实世界前瞻性平行对照研究:血管内治疗改善TBAD灌注与重塑
该数据集来自clinicaltrials.gov,聚焦B型主动脉夹层(TBAD)的真实世界前瞻性平行对照研究,主题为血管内治疗对灌注与重塑的改善

基本信息
资源简介
真实世界前瞻性平行对照研究:血管内治疗改善TBAD灌注与重塑
该数据集来自clinicaltrials.gov,聚焦B型主动脉夹层(TBAD)的真实世界前瞻性平行对照研究,主题为血管内治疗对灌注与重塑的改善。源站描述指出,B型主动脉夹层患者兼具共性与个体特征,当前对急性B型夹层各亚型多在亚急性期行近端血管内修复,而降主动脉远端夹层常采取“观察等待”策略,这种统一处理存在适应证不精确、时机不当和预后不确定等风险。研究团队此前已建立近万例B型夹层综合数据库与影像库,并在急性复杂型、非复杂型、穿透性动脉粥样硬化性溃疡和壁内血肿等亚型基础上,进一步探索急性高危型等细化分类。数据可用于主动脉夹层亚型分类与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:B型主动脉夹层。B型主动脉夹层患者既有共性特征,也有个体特征。目前,对于急性B型夹层的所有亚型,近端血管内修复大多在亚急性期进行,而降主动脉远端夹层通常采用“观察等待”策略。然而,这种统一的处理方式存在潜在风险,包括适应证不精确、时机不当和预后不确定。我们的研究团队此前已建立了近10,000例B型夹层病例的综合数据库和影像库。在现有亚型——如急性复杂型、非复杂型、穿透性动脉粥样硬化性溃疡和壁内血肿——的基础上,我们进一步探索了细化分类,包括急性高危型和局部对比剂增强的th
【主题与分类】
主题标签:Type B 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/NCT07022145
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/NCT07022145
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:B型主动脉夹层。B型主动脉夹层患者既有共性特征,也有个体差异。目前,对于急性B型夹层的所有亚型,近端血管内修复多在亚急性期进行,而降主动脉远端夹层则常采用“观察等待”策略。然而,这种统一化的处理方式存在潜在风险,包括适应证不精确、时机选择不当及预后不确定。我们的研究团队此前已建立了包含近10,000例B型夹层病例的综合数据库和影像资料库。在现有亚型——如急性复杂型、非复杂型、穿透性动脉粥样硬化性溃疡和壁内血肿——的基础上,我们进一步探索了精细化分型,包括急性高危型和主动脉壁局限性对比剂强化。对于不同亚型及处于不同夹层阶段(如超急性期、急性期或亚急性期)的患者,制定个体化治疗策略至关重要。
这些方案可能包括最佳药物治疗、单纯近端血管内修复,或近端修复联合远端裸支架植入。因此,亟需开展大规模临床研究,基于精细化分型方案明确最佳干预时机与方式,并为不同患者群体建立个体化、分层治疗策略。本项目旨在开展一项真实世界、前瞻性、多中心、平行对照研究,比较单纯近端血管内修复与近端修复联合远端裸支架植入在急性复杂型或高危型B型主动脉夹层患者中的结局。目标是确定改善远端灌注并促进良好主动脉重塑的最有效手术方式,从而指导治疗决策。
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。




