正中胸骨切开术后心脏患者肌筋膜松解的效果
该数据集来自 clinicaltrials.gov,研究对象为主动脉瘤与夹层、冠状动脉疾病 (CAD) 及瓣膜性心脏病患者,聚焦正中胸骨切开术后的肌筋膜松解 (MFR) 干预

基本信息
资源简介
正中胸骨切开术后心脏患者肌筋膜松解的效果
该数据集来自 clinicaltrials.gov,研究对象为主动脉瘤与夹层、冠状动脉疾病 (CAD) 及瓣膜性心脏病患者,聚焦正中胸骨切开术后的肌筋膜松解 (MFR) 干预。数据覆盖术前评估 (Tp)、转入普通病房后基线评估 (T0) 及完成七次 MFR 后的干预后评估 (T1),评估指标包括最大吸气压 (MIP)、最大呼气压 (MEP)、肺功能测试、中下胸廓活动度、表面肌电 (sEMG) 测量的膈肌与胸锁乳突肌活动及疼痛评分。可用于分析 MFR 对心脏术后呼吸功能、胸廓活动度与疼痛的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:主动脉瘤与夹层、冠状动脉疾病 (CAD)、瓣膜性心脏病。在决定参加本研究并签署知情同意书后,参与者将接受以下干预:所有参与者将在手术前接受术前评估 (Tp)。从 ICU 转入普通病房后五天内,参与者将接受基线评估 (T0)。在完成七次肌筋膜松解 (MFR) 后,将进行干预后评估 (T1)。评估包括最大吸气压 (MIP)、最大呼气压 (MEP)、肺功能测试、中下胸廓活动度、用于测量膈肌和胸锁乳突肌活动的表面肌电 (sEMG) 以及疼痛评分。肺功能测试包括用力肺活量 (FVC)、第一秒用力呼气量
【主题与分类】
主题标签:Aortic Aneurysm and Dissection、Coronary Artery Disease (CAD)、Valve Heart 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/NCT07649330
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/NCT07649330
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
疾病:主动脉瘤和夹层、冠状动脉疾病(CAD)、瓣膜性心脏病。在决定参加本研究并签署知情同意书后,参与者将接受以下干预:所有参与者将在手术前接受术前评估(Tp)。从ICU转入普通病房后五天内,参与者将接受基线评估(T0)。完成七次肌筋膜松解(MFR)后,将进行干预后评估(T1)。评估包括最大吸气压(MIP)、最大呼气压(MEP)、肺功能检查、中下段胸廓活动度、表面肌电图(sEMG)测量膈肌和胸锁乳突肌活动,以及疼痛评分。肺功能检查包括用力肺活量(FVC)、第一秒用力呼气容积(FEV1)、FEV1/FVC比值和最大自主通气量(MVV)。参与者将被随机分配到干预组或对照组。干预组将在普通病房接受常规物理治疗之外,还将接受肌筋膜松解治疗。
常规治疗包括每日物理治疗课程,如离床活动、诱发性肺量计训练(Triflow)及功能锻炼。MFR干预包括三个步骤:治疗师将双手置于胸廓出口处,食指和中指位于锁骨上方。一只手置于前胸,另一只手平行置于参与者背部。双手均置于胸腹横膈膜的前外侧区域。在每个步骤中,指导参与者进行10次缓慢深呼吸,并将气流导向治疗师双手。每次治疗持续约15分钟,每日一次,共七次。对照组仅接受常规物理治疗(离床活动、诱发性肺量计及功能锻炼),不附加肌筋膜松解治疗。
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。




