冠状动脉CT与有创血管造影用于非ST段抬高型急性冠脉综合征的对比
该数据集来自clinicaltrials.gov，聚焦非ST段抬高型急性冠脉综合征（NSTEACS）患者，比较冠状动脉CT血管造影（CCTA）与有创冠状动脉造影（ICA）的诊断性能
基本信息
资源简介
冠状动脉CT与有创血管造影用于非ST段抬高型急性冠脉综合征的对比
该数据集来自clinicaltrials.gov，聚焦非ST段抬高型急性冠脉综合征（NSTEACS）患者，比较冠状动脉CT血管造影（CCTA）与有创冠状动脉造影（ICA）的诊断性能。覆盖缺血性心脏病、非ST段抬高型心肌梗死、不稳定型心绞痛、冠状动脉疾病、心脏病发作、急性心肌梗死等主题，属于随机对照试验与诊断成像范畴。数据可用于评估CCTA在急性场景中替代ICA的可行性，分析其对并发症风险、患者舒适度、决策效率、医疗费用及院际转运的影响（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：缺血性心脏病、非ST段抬高型心肌梗死、不稳定型心绞痛、冠状动脉疾病、心脏病发作、急性心肌梗死（AMI）、随机对照试验、诊断成像。冠状动脉CT血管造影（CCTA）是疑似慢性冠脉综合征患者广泛接受的初始诊断检查。然而，支持其在急性场景中使用的证据有限。迄今为止，尚无大规模随机试验在非ST段抬高型心肌梗死（NSTEACS）患者中检验CCTA作为有创冠状动脉造影（ICA）替代方案的性能。如果CCTA能够替代ICA作为NSTEACS患者的常规检查，则可能降低与ICA相关的并发症风险、提高患者舒适度、加快决策速度，并减少医疗费用和院际转运。
【主题与分类】
主题标签：Ischemic Heart Disease、Non STEMI、Angina Pectoris, Unstable、Coronary Disease、Heart Attack、Acute Myocardial Infarction (AMI)、Randomized Controlled Trial、Diagnostic Imaging、Coronary Stenoses、Coronary Artery Disease。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/NCT06101862
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/NCT06101862
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：缺血性心脏病、非ST段抬高型心肌梗死、心绞痛、不稳定型、冠状动脉疾病、心脏病发作、急性心肌梗死（AMI）、随机对照试验、诊断性成像。冠状动脉计算机断层扫描血管造影（CCTA）是疑似慢性冠脉综合征患者广泛接受的初步诊断测试。然而，支持其在急性情况下使用的证据有限。迄今为止，尚无大规模随机试验检查CCTA作为侵入性冠状动脉造影（ICA）替代方案在非ST段抬高型心肌梗死（NSTEACS）患者中的表现。如果CCTA能取代ICA成为NSTEACS患者的常规程序，它可能降低与ICA相关的并发症风险，提高患者舒适度，加快决策过程，并减少医疗费用和院际转送。
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。
