全血管腔内主动脉弓修复安全性与有效性临床研究
该数据集来自 clinicaltrials.gov,聚焦主动脉弓疾病患者的临床研究,涵盖主动脉夹层、主动脉弓动脉瘤、溃疡及假性动脉瘤等病种

基本信息
资源简介
全血管腔内主动脉弓修复安全性与有效性临床研究
该数据集来自 clinicaltrials.gov,聚焦主动脉弓疾病患者的临床研究,涵盖主动脉夹层、主动脉弓动脉瘤、溃疡及假性动脉瘤等病种。研究对象为经评估既能耐受传统全主动脉弓置换(TAR)、又在解剖结构上适合完全胸主动脉腔内修复(cTEVAR)的患者,计划两年内在四家中心入组400例以上,并按实际情况分为TAR组与cTEVAR组。研究过程中采集血液与生化指标、并发症等数据,可用于比较两种术式的安全性与有效性,支持临床决策与预后分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:主动脉夹层、主动脉弓动脉瘤、溃疡、假性动脉瘤。本研究的受试者为主动脉弓疾病患者,经在主动脉开放手术和腔内治疗方面经验丰富的团队进行科学评估后,这些患者既能耐受传统全主动脉弓置换(TAR),又在解剖结构上适合完全胸主动脉腔内修复(cTEVAR)。根据统计分析的要求,将在2年内于四家中心(阜外医院、北京大学人民医院、中日友好医院和北京医院)入组400例以上患者。结合患者实际情况,受试者将被分为TAR组和cTEVAR组。研究期间,研究者将收集包括血液和生化指标、并发症在内的数据
【主题与分类】
主题标签:Aortic Dissection、Aortic Arch Aneurysm、Ulcer、Pseudoaneurysm。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03347812
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/NCT03347812
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:主动脉夹层、主动脉弓动脉瘤、溃疡、假性动脉瘤。本研究的研究对象为主动脉弓疾病患者,经在主动脉开放手术和血管内治疗方面具有丰富经验的团队进行科学评估后,既能耐受传统全主动脉弓置换术(TAR),又在解剖结构上适合完全胸主动脉腔内修复术(cTEVAR)。根据统计分析的要求,将在2年内于四个中心(阜外医院、北京大学人民医院、中日友好医院和北京医院)纳入400余名患者。结合患者实际情况,研究对象将被分为TAR组和cTEVAR组。在研究期间,研究者将收集包括血液和生化指标、并发症、主动脉CT检查、手术过程以及出院时、术后一个月、术后六个月和术后十二个月的随访信息等数据。
本研究的主要终点为一年治疗成功率,即术后30天内无死亡,随访1年期间无不良心血管事件、无脑血管事件,且未发生与主动脉相关的再次手术干预。次要终点包括术后漏、主动脉弓分支闭塞、狭窄及血栓形成的发生情况,器械相关不良事件的发生率,以及其他严重并发症的发生率。本研究以主要终点作为疗效评价指标,以次要终点作为两种治疗方法的安全性评价指标。收集数据的主要分析将基于意向性治疗(ITT)原则,所有入组患者均纳入最终分析。将采用Cochran-Mantel-Haenszel(CMH)卡方分析校正中心效应,用于主要指标的比较,估计成功率差异及其95%置信
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。




