Evolut FX Plus TAVI 术后冠脉通路:连合对齐与大网孔框架设计的影响:ACCESS-FX+ 注册研究
该数据集来自 clinicaltrials.gov,聚焦重度主动脉瓣狭窄患者接受 TAVI 后的冠脉通路问题。研究在瓣膜植入时采用连合对齐技术,并在植入后尝试通过 Evolut FX Plus 大网孔框架对左、右冠状动脉进行选择性插管,主要终点为左、右冠脉各自的选择性插管成功率,成功定义为诊断导管在

基本信息
资源简介
Evolut FX Plus TAVI 术后冠脉通路:连合对齐与大网孔框架设计的影响:ACCESS-FX+ 注册研究
该数据集来自 clinicaltrials.gov,聚焦重度主动脉瓣狭窄患者接受 TAVI 后的冠脉通路问题。研究在瓣膜植入时采用连合对齐技术,并在植入后尝试通过 Evolut FX Plus 大网孔框架对左、右冠状动脉进行选择性插管,主要终点为左、右冠脉各自的选择性插管成功率,成功定义为诊断导管在冠脉开口稳定就位并可注入造影剂。TAVI 后 3 至 6 个月的心脏 CT 也将被分析。数据可用于评估连合对齐与大网孔框架设计对冠脉再介入通路的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:重度主动脉瓣狭窄。TAVI 将按照标准临床实践进行。瓣膜植入期间将采用连合对齐技术,并在瓣膜释放过程中对输送系统进行适当定向和透视评估。瓣膜植入后立即尝试使用标准诊断冠脉导管,通过 Evolut FX Plus 大网孔框架对左冠状动脉和右冠状动脉进行选择性冠脉插管。主要终点是通过大网孔框架成功进行选择性冠脉插管的比率,分别针对左冠状动脉和右冠状动脉进行评估。成功的选择性冠脉插管定义为诊断导管在冠脉开口稳定就位,允许进行冠脉造影剂注射。TAVI 后 3 至 6 个月进行的心脏 CT 将被分析
【主题与分类】
主题标签:Severe Aortic Stenosis。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07813273
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/NCT07813273
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:重度主动脉瓣狭窄。将按照标准临床实践实施TAVI。在瓣膜植入过程中将采用连合对齐技术,并配合输送系统的适当定向以及瓣膜释放期间的透视评估。瓣膜植入后立即尝试使用标准诊断性冠状动脉导管,通过Evolut FX Plus大网孔框架对左冠状动脉和右冠状动脉进行选择性冠状动脉插管。主要终点是通过大网孔框架成功进行选择性冠状动脉插管的比率,分别针对左冠状动脉和右冠状动脉进行评估。成功的选择性冠状动脉插管定义为诊断性导管在冠状动脉开口处稳定接合,允许进行冠状动脉造影剂注射。将对TAVI后3至6个月进行的心脏CT进行分析,以评估植入瓣膜与冠状动脉开口之间的空间关系。
基于CT的评估将包括大细胞与冠状动脉的对齐、经导管瓣叶中心与冠状动脉开口之间的对齐、自体主动脉瓣与经导管主动脉瓣之间的连合对齐,以及瓣膜血栓形成的发现,包括瓣叶、瓣上、瓣下和窦部低密度影。临床疗效和安全性结局将在30天和6个月时进行评估。临床事件将在适用的情况下根据瓣膜学术研究联盟-3(VARC-3)标准进行定义。
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。




