糖尿病患者足底血管重建前后血管成形术评估:空间频域成像
源站描述提及糖尿病的心血管疾病负担、新加坡糖尿病与下肢截肢现状,以及早期干预可挽救肢体的背景。数据可用于围绕血管成形术前后影像评估的研究,具体样本量、成像参数与结局指标源站未提供(来源 clinicaltrials.gov)

基本信息
资源简介
糖尿病患者足底血管重建前后血管成形术评估:空间频域成像
该数据集来自 clinicaltrials.gov,聚焦糖尿病患者足底血管重建在血管成形术前后的评估,涉及 Peripheral Arterial Disease(PAD) 与 Imaging Evaluation。源站描述提及糖尿病的心血管疾病负担、新加坡糖尿病与下肢截肢现状,以及早期干预可挽救肢体的背景。数据可用于围绕血管成形术前后影像评估的研究,具体样本量、成像参数与结局指标源站未提供(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Peripheral Arterial Disease(PAD)、Imaging Evaluation。糖尿病是一种慢性疾病,具有高心血管发病率和死亡率。全球约有1.5亿人患有此病,预计到2025年这一数字将上升至3亿。在新加坡,糖尿病是第10大死因,2011年占总死亡人数的1.7%。到2030年,新加坡40岁以上糖尿病患者人数预计将从目前的约40万再增加20万。尽管新加坡拥有世界上最高的预期寿命之一和现代化的医疗体系,但其下肢截肢(LEA)率位居世界最高之列,这里的公立医院每天需要进行约四例截肢手术。然而,及早寻求治疗的患者可以选择各种干预治疗来挽救肢
【主题与分类】
主题标签:Peripheral Arterial Disease(PAD)、Imaging Evaluation。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07097857
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/NCT07097857
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:外周动脉疾病(PAD),影像学评估。糖尿病是一种心血管疾病发病率和死亡率较高的慢性病。全球约有1.5亿人患有此病,预计到2025年这一数字将上升至3亿。在新加坡,糖尿病是第10大死因,2011年占总死亡人数的1.7%。到2030年,新加坡40岁以上的糖尿病患者人数预计将从目前的约40万再增加20万。尽管新加坡拥有世界上最高的预期寿命之一和现代化的医疗体系,但其下肢截肢率(LEA)却是全球最高的之一,这里的公立医院每天需要进行约四例截肢手术。然而,及早寻求治疗的患者可以选择多种干预治疗来保住肢体。这些包括血运重建(血管成形术或旁路手术)和感染治疗(脓肿引流或清创术)。在新加坡,保肢疗法使得2015年的下肢截肢手术相比前一年减少了20%。
遗憾的是,这些手术在糖尿病患者中的临床成功率在12个月时降至69%。这归因于缺乏对肢体灌注的客观反馈。能够预测此类血管重建手术结果的无创成像技术有助于早期干预,从而实现保肢。近年来,SFDI作为一种能够测量组织氧饱和度(StO2)和组织血红蛋白的无创光学成像方法,已被证明可预测美国人群中糖尿病足溃疡的发生。在此,我们假设SFDI提供的这些微血管信息可用于预测血管重建手术的结果。为验证这一假设,我们提出一项探索性初步研究,对15名接受下肢血管重建的糖尿病患者使用SFDI,并在干预前后获取足底图像。
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。




