胸主动脉腔内修复规划的生物力学再评估
该数据集来自 clinicaltrials.gov,聚焦胸主动脉腔内修复(TEVAR)规划中的生物力学再评估,覆盖胸主动脉瘤、主动脉夹层及主动脉疾病

基本信息
资源简介
胸主动脉腔内修复规划的生物力学再评估
该数据集来自 clinicaltrials.gov,聚焦胸主动脉腔内修复(TEVAR)规划中的生物力学再评估,覆盖胸主动脉瘤、主动脉夹层及主动脉疾病。其核心思路是通过对术前 pc-MRI 与 CTA 图像进行计算流体力学(CFD)分析,评估主动脉弓不同锚定区(PLZ)所受的拖曳力大小与分布,并探索其与弓部几何形态之间的关联,以识别不适合支架移植物释放的锚定区;同时开展不同市售支架移植物释放的 in-silico 仿真。数据可用于研究血流动力学模式、迁移力与锚定区选择,辅助 TEVAR 术前规划与支架移植物选型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胸主动脉瘤、主动脉夹层、主动脉疾病。假设与意义:在主动脉弓的 PLZ 中,可以识别出特定且一致的流体动力学模式以及拖曳力的大小和分布,从而为 TEVAR 规划中合适的 PLZ 和支架移植物选择提供有价值的见解。具体目标:1)通过术前相位对比磁共振(pc-MRI)和计算机断层扫描血管造影(CTA)图像的计算流体力学(CFD)分析,评估作用在主动脉弓不同 PLZ 上的拖曳力。具体目标是识别迁移力不同大小和方向与弓部几何形态之间的相关性,以确定不适合支架移植物释放的次优锚定区。2)开发并进行不同市售腔内移植物释放的 in-silico 仿真
【主题与分类】
主题标签:Thoracic Aortic Aneurysm、Aortic Dissection、Aortic Diseases。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03824626
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/NCT03824626
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:胸主动脉瘤、主动脉夹层、主动脉疾病。假设与意义:在主动脉弓的PLZ中,可以识别出特定且一致的流体动力学模式以及阻力大小和分布,为TEVAR规划期间正确选择PLZ和覆膜支架提供有价值的见解。具体目标:1)通过术前相位对比磁共振(pc-MRI)和计算机断层血管造影(CTA)图像的计算流体动力学(CFD)分析,评估作用于主动脉弓不同PLZ的阻力。具体目标是确定不同大小和方向的迁移力与弓部几何形态之间的相关性,以识别不适合覆膜支架部署的着陆区。2)开发并进行不同市售内支架部署的计算机模拟,采用患者特异性边界条件。
具体目标是通过结构有限元分析(FEA)评估特定装置的力学特性对血管壁的影响,并通过CFD评估不同锚定区的阻力,以确定更合适的内移植物。3) 基于随访图像(即pc-MRI和CTA)通过CFD分析评估术后施加在内移植物上的阻力。具体目标是评估术前在PLZs中测得的阻力的预测价值,并验证计算机模拟的结果。实验设计 目标1:术前医学图像采集:CTA将使用16层单元(150 mAs,110 kVp;采集层厚5 mm,螺距1.5;重建层厚1.2 mm)进行,在静脉注射100 mL碘对比剂前后进行。MRI将使用1.5-T单元,梯度功率为40-mT/m(Magneton Sonata Maestro Class,Siemens,Erlangen,Germany)和四通道心胸线圈进行。将进行ECG触发、自由呼吸的穿平面和平面内pc-MRI序列,用于pha
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。




