BBAP的心电图与超声心动图特征

数据采集于常规起搏器植入过程中,涵盖心电图、超声心动图参数及CT图像,旨在比较不同心房起搏模式间的差异,并进一步探究BBAP的临床结局

Shanghai Tong Ren HospitalShanghai Tong Ren Hospital
clinicaltrials
浏览 13
医学影像分类Pacing TherapyCardiac Pacing
ECG and Echo Characteristics of BBAP

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-10

资源简介

BBAP的心电图与超声心动图特征

该数据集来源于clinicaltrials.gov,聚焦Bachmann's bundle区域起搏(BBAP)与常规右心耳(RAA)起搏的对比。数据采集于常规起搏器植入过程中,涵盖心电图、超声心动图参数及CT图像,旨在比较不同心房起搏模式间的差异,并进一步探究BBAP的临床结局。数据集可用于分析起搏位置对心房间传导延迟和心房同步性的影响,支持心律失常负担、复发及新发 incidence 等临床结局的预测与分类研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:起搏治疗、心脏起搏。Bachmann's bundle(BB)已成为传统右心耳(RAA)起搏的替代起搏位置,预期可避免RAA起搏引起的心房间传导延迟(IACD)和心房不同步。近期一项研究报告,在有心房起搏指征且基线存在IACD的患者中,与右房间隔起搏和RAA起搏相比,BB起搏可减少房性心律失常负担、复发和新发发生率。本研究旨在常规起搏器植入过程中,收集BB区域起搏(BBAP)和传统右心耳(RAA)起搏期间的心电图(ECG)和超声心动图(echo)参数及CT图像。目的是比较心房起搏模式之间的差异,并进一步探究BBAP的临床结局。

【主题与分类】

主题标签:Pacing Therapy、Cardiac Pacing。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/NCT06995027

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06995027

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:起搏治疗、心脏起搏。巴赫曼束(BB)已成为传统右心耳(RAA)起搏的替代起搏位置,并有望避免由RAA起搏引起的心房间传导延迟(IACD)和心房不同步。近期一项研究报告,在有房性起搏适应症且基线存在IACD的患者中,与右房间隔起搏和RAA起搏相比,BB起搏可减少房性心律失常负荷、复发和新发发生率。本研究旨在收集常规起搏器植入过程中BB区域起搏(BBAP)和传统右心耳(RAA)起搏期间的心电图(ECG)和超声心动图(echo)参数及CT图像。目的是比较心房起搏模式之间的差异,并进一步探讨BBAP的临床结局。

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。

获取专属数据定制方案