CT灌注在外周动脉疾病中的临床价值
该数据集来自 clinicaltrials.gov，主题为 CT 灌注在外周动脉疾病（PAD）中的临床价值，属于循环系统疾病/其他分类
基本信息
资源简介
CT灌注在外周动脉疾病中的临床价值
该数据集来自 clinicaltrials.gov，主题为 CT 灌注在外周动脉疾病（PAD）中的临床价值，属于循环系统疾病/其他分类。数据关注 PAD 患者在接受血运重建术后的预后，涉及 CT 灌注、微循环、CT 血管成像及患者临床信息。可用于研究结合 CTP 测量与标准 CT 血管成像及临床信息，预测 PAD 患者术后是否更易出现死亡、截肢或需再次手术等不良结局。这是一项观察性研究，源站描述未提供具体样本量、采集机构与数据字段等细节（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：外周动脉疾病（PAD）、CT 灌注、血运重建、微循环、预后。外周动脉疾病（PAD）影响全球数百万人，并可能导致腿部溃疡、坏疽和截肢等严重并发症。目前的影像学方法主要评估大血管，但不测量足部微循环。计算机断层扫描灌注（CTP）是一种可评估小血管血流的新技术。本研究的目的是观察将 CTP 测量与标准 CT 血管成像图像及患者临床信息相结合，是否有助于预测哪些 PAD 患者在恢复血流的 surgery（血运重建）后更可能出现不良结局。不良结局包括死亡或重大肢体问题，如截肢或需要再次手术。这是一项观察性研究。研究人员将从 ab 收集数据。
【主题与分类】
主题标签：Peripheral Artery Disease (PAD)、CT Perfusion、Revascularization、Microcirculation、Prognosis。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07816757
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/NCT07816757
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：外周动脉疾病（PAD）、CT灌注、血运重建、微循环、预后。外周动脉疾病（PAD）影响全球数百万人，并可能导致严重并发症，如腿部溃疡、坏疽和截肢。目前的影像学方法主要评估大血管，但无法测量足部的微循环。计算机断层扫描灌注（CTP）是一种能够评估小血管血流的新技术。本研究的目的是探讨将CTP测量结果与标准CT血管造影图像及患者临床信息相结合，是否有助于预测哪些PAD患者在恢复血流的 surgery（血运重建）后更可能出现不良结局。不良结局包括死亡或重大肢体问题，如截肢或需要再次手术。这是一项观察性研究。研究人员将收集约200名计划接受血运重建的成年PAD患者的数据。参与者将接受常规诊疗，包括术前和术后的CT扫描。不给予任何实验性药物或器械。
研究人员将通过病历和电话随访术后参与者最长2年，以追踪其恢复情况及任何并发症。研究结果可能有助于医生更早识别高风险患者并改进治疗决策。
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。
