冠状动脉旁路移植术联合升主动脉替换术
该数据集来自 clinicaltrials.gov,聚焦冠状动脉旁路移植术联合升主动脉替换术,覆盖冠状动脉疾病与升主动脉瘤两类患者

基本信息
资源简介
冠状动脉旁路移植术联合升主动脉替换术
该数据集来自 clinicaltrials.gov,聚焦冠状动脉旁路移植术联合升主动脉替换术,覆盖冠状动脉疾病与升主动脉瘤两类患者。源站描述指出,全球每年冠状动脉旁路移植术超过60万例,约15-20%的冠心病患者需接受同期心脏手术,且术后并发症与死亡率较高;合并冠心病的胸主动脉手术患者围术期死亡风险独立升高,同期CABG与其他心脏手术联合与短期和长期死亡率增加相关,而同期CABG结局与冠状动脉移植物通畅性之间的关系尚缺乏数据。该数据可用于围术期风险与结局相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:冠状动脉疾病、升主动脉瘤。1. 研究的相关性。冠状动脉旁路移植术是冠状动脉疾病(CAD)患者的有效治疗方法。如今,该手术是心脏上最常见的外科手术,全球每年超过600,000例。约15-20%的CAD患者需要同期心脏手术,术后并发症发生率和死亡率相对较高。一般认为,接受胸主动脉手术的患者合并CAD是围术期死亡的独立危险因素。考虑到最近发表的数据,CABG加入其他心脏手术与短期和长期死亡率增加相关。目前尚无关于同期CABG的结局与冠状动脉移植物通畅性之间关系的数据。
【主题与分类】
主题标签:Coronary Artery Disease、Ascending Aortic Aneurysm。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/NCT07071857
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/NCT07071857
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:冠状动脉疾病、升主动脉瘤。1. 研究的相关性。冠状动脉旁路移植术是冠状动脉疾病(CAD)患者的有效治疗方法。如今,该手术是心脏外科中最常见的手术,全球每年手术量超过60万例。约15-20%的CAD患者需要同期心脏手术,术后并发症发生率和死亡率相对较高。一般认为,接受胸主动脉手术的患者合并CAD是围手术期死亡的独立危险因素。结合近期发表的数据,在其他心脏手术中附加CABG与短期和长期死亡率增加相关。目前尚无关于同期CABG结局与冠状动脉移植物通畅性之间关系的数据。本研究旨在评估合并AAR患者接受CABG后的早期结局及移植物通畅率。2. 患者与方法。
将35例接受冠状动脉旁路移植术联合升主动脉置换术的患者(CABG+AAR组)与35例接受单纯冠状动脉旁路移植术的患者(CABG组)进行比较。比较两组患者的基线特征,包括术前特征、手术细节(体外循环时间、心脏停搏时间、顺行脑灌注)以及术后早期和晚期结局。影像学检查:所有主动脉测量值及术后移植物通畅性均通过心电门控计算机断层血管造影评估。术后2周内对主动脉和/或移植物进行计算机断层扫描。分析使用64排扫描仪Discovery NM-CT 570c(GE Healthcare,Milwaukee,WI,USA)进行,血管造影期的空间分辨率为0.6至1.25 mm。所有测量均在垂直于手动校正的局部主动脉中心线的平面上进行。升主动脉直径测量于
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。




