FLOWRUNNER 抽吸系统治疗症状性静脉血栓登记研究
该数据集来自 clinicaltrials.gov，是一项关于 FLOWRUNNER 抽吸系统的登记研究，用于收集使用该器械进行标准治疗机械取栓手术的数据
基本信息
资源简介
FLOWRUNNER 抽吸系统治疗症状性静脉血栓登记研究
该数据集英文名为 A Registry of the FLOWRUNNER Aspiration System for Patients With Symptomatic Venous Thrombosis，来源于 clinicaltrials.gov，本站将其归类于循环系统疾病 / 其他。数据集围绕 FLOWRUNNER 抽吸系统展开，属于一项登记研究，目的是收集使用该器械进行标准治疗机械取栓手术的相关数据。其关注对象为伴有症状性静脉血栓的患者，涉及深部静脉血栓（四肢）及静脉血栓等情形。整体而言，该数据集提供了一个以真实临床实践为背景、聚焦特定取栓器械应用情况的数据集合，可供了解该器械在标准治疗流程中的使用数据积累方式。
【数据集背景】
该数据集所对应的研究是一项登记研究，旨在收集使用 FLOWRUNNER 抽吸系统进行标准治疗机械取栓手术的数据。FLOWRUNNER 抽吸系统是一种一次性使用的基于导管的系统，其适应症为从外周系统（手臂和腿部）和静脉系统（负责将脱氧血液送回心脏和肺部的血管）的血管中移除新鲜、柔软的栓子（软血凝块）和血栓（静止的血凝块）。数据集关注的疾病条件包括深部静脉血栓（四肢）和静脉血栓。登记研究的设计意味着数据来源于常规临床实践中的标准治疗过程，而非专门设置的干预性试验流程。
【数据内容】
该数据集的主题标签为 Venous Thrombosis Deep (Limbs) 和 Venous Thrombosis。其内容围绕使用 FLOWRUNNER 抽吸系统进行机械取栓手术的数据收集展开。源站描述中提及的疾病条件为静脉血栓，包括四肢深部静脉血栓。关于数据集具体包含哪些字段、变量、时间范围、样本量、随访信息或统计指标，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其数据采集基于登记研究模式，即从标准治疗机械取栓手术中收集数据，所使用的器械为 FLOWRUNNER 抽吸系统。该器械为一次性使用的导管系统，适用于移除外周和静脉系统中的新鲜柔软栓子及血栓。关于采集机构、地理范围、采集时间窗口、数据录入方式或质量控制流程，源站未提供。
【适用场景】
该数据集适用于关注症状性静脉血栓患者、机械取栓手术以及 FLOWRUNNER 抽吸系统临床使用数据的场景。其登记研究性质使其可用于了解该器械在标准治疗条件下的数据积累情况，涉及四肢深部静脉血栓和静脉血栓等条件。关于具体的分析用途、研究终点或临床应用建议，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，包括访问方式、数据格式、下载途径或分析指南。
【质量与限制】
该数据集为登记研究性质，数据来自标准治疗过程。关于数据完整性、准确性、偏倚控制、样本代表性、缺失数据处理或统计效力等方面的具体信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式、许可条款或使用限制。
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/NCT07708376
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：深静脉血栓（四肢）、静脉血栓。本研究为一项注册研究，旨在收集使用FLOWRUNNER抽吸系统进行标准治疗机械取栓术的数据。FLOWRUNNER抽吸系统是一种一次性使用的基于导管的系统，适用于从外周（手臂和腿部）和静脉（负责将脱氧血液输送回心脏和肺部的血管）系统的血管中清除新鲜、柔软的栓子（软血块）和血栓（静止的血块）。
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。
