移动手术单元中超声心动图引导的房间隔缺损封堵多中心随机对照试验
该数据集来自 clinicaltrials.gov,主题为在移动手术单元中开展超声心动图引导的房间隔缺损(ASD)封堵的多中心随机对照试验,属于循环系统疾病范畴

基本信息
资源简介
移动手术单元中超声心动图引导的房间隔缺损封堵多中心随机对照试验
该数据集来自 clinicaltrials.gov,主题为在移动手术单元中开展超声心动图引导的房间隔缺损(ASD)封堵的多中心随机对照试验,属于循环系统疾病范畴。源站描述指出,ASD 是最常见的先天性心脏疾病之一,经皮封堵已成为标准治疗,但传统操作依赖透视引导和碘对比剂,存在辐射暴露、对比剂相关损害等风险,且需在配备数字减影血管造影系统的导管室进行。该数据可用于了解相关临床试验设计、疾病背景与介入治疗局限性的研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:ASD - 房间隔缺损。心血管疾病仍是全球健康的主要威胁,而结构性心脏病——包括先天性心脏缺陷、瓣膜病和心肌病——构成了其负担的相当大一部分。房间隔缺损(ASD)是最常见的先天性心脏疾病之一,约每 1,000 例活产中发生 1.6 例。由于微创特性和已证实的疗效,经皮封堵 ASD 已成为标准治疗。然而,传统封堵操作严重依赖透视引导和碘对比剂,这带来辐射暴露风险、对比剂相关损害,并限制了其在特定患者群体中的适用性。此外,此类操作必须在配备数字减影血管造影系统的导管室中进行。为克服这些限制
【主题与分类】
主题标签:ASD - Atrial Septal Defect。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07273227
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/NCT07273227
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:ASD - 房间隔缺损。心血管疾病仍然是全球健康的主要威胁,而结构性心脏病,包括先天性心脏缺陷、瓣膜病和心肌病,构成了其负担的很大一部分。房间隔缺损(ASD)是最常见的先天性心脏病之一,大约每1000名活产婴儿中有1.6例发生。由于其微创性和已证实的有效性,经皮封堵ASD已成为标准治疗方法。然而,传统的封堵手术严重依赖荧光透视引导和碘造影剂,这带来了辐射暴露风险、造影剂相关危害,并限制了在特定患者群体中的适用性。此外,此类手术必须在配备数字减影血管造影系统的导管室中进行。为了克服这些局限性,我们的团队花费了十多年时间开发了一种完全超声引导、无辐射、无造影剂的经皮介入系统——这是一项中国原创创新,开创了结构性心脏病“无切口、无透视、无全身麻醉”治疗先河。
该方法已发展成为一个综合性的技术体系,并成功应用于ASD、PFO、室间隔缺损(VSD)、动脉导管未闭(PDA)及多种瓣膜疾病。该技术获得国家临床指南(2017年)的认可,荣获中华医学会科技奖一等奖(2022年),并获得世界卫生组织创新奖。基于单纯超声引导的独特优势,我们进一步研发了移动手术车。该移动手术单元集成了超声成像、消毒、监护和麻醉设备,使缺乏大型医疗设备的偏远地区能够真正实现“无医院”手术。在中国西南偏远地区及“一带一路”国家的早期应用已展现出良好前景
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。




