评估Vessel Navigator工具用于主动脉上血管导管插入准确性的研究 - ARCHIBALD
该数据集来自clinicaltrials.gov,聚焦于评估Philips开发的Vessel Navigator(VN)工具在主动脉上血管导管插入中的准确性

基本信息
资源简介
评估Vessel Navigator工具用于主动脉上血管导管插入准确性的研究 - ARCHIBALD
该数据集来自clinicaltrials.gov,聚焦于评估Philips开发的Vessel Navigator(VN)工具在主动脉上血管导管插入中的准确性。覆盖血管疾病、脑血管疾病、心血管疾病、主动脉瘤及动静脉畸形等病种。数据涉及在X射线透视下进行脑血管疾病诊断与治疗的导管插入操作,利用预先采集的angio-scan或angio-MRI图像与X射线透视叠加(X-ray Fusion)提供动脉路径(Fusion Roadmap),并包含主动脉弓的angio-MRI(Philips 3 Tesla MRI)成像。可用于评估影像融合导航技术在血管介入中的精度与效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血管疾病、脑血管疾病、心血管疾病、主动脉瘤、动静脉畸形。导管插入用于脑血管疾病的诊断和治疗。它在X射线透视下以额面入射进行,可能改变弓的角度以优化血管起源(头臂干、左右颈总动脉、锁骨下动脉)的可视化。在导管插入开始前,通常进行常规的动脉路径图与碘注射。Philips开发的Vessel Navigator(VN)允许使用预先采集的angio-scan或angio-MRI图像,通过将其叠加(X-ray Fusion)在X射线透视上,以提供动脉路径(Fusion Roadmap)。将首先进行主动脉弓的angio-MRI(Philips 3 Tesla MRI)成像(作为术前的一部分
【主题与分类】
主题标签:Vascular Diseases、Cerebrovascular Diseases、Cardiovascular Diseases、Aortic Aneurysm、Arteriovenous Malformation。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03269734
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/NCT03269734
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:血管疾病、脑血管疾病、心血管疾病、主动脉瘤、动静脉畸形。导管插入术用于脑血管疾病的诊断和治疗。该手术在X射线透视下进行,采用正位入射,并可能调整弓部角度以优化血管起源(头臂干、左右颈总动脉、锁骨下动脉)的可视化。在开始导管插入术前,通常会进行常规的碘剂注射动脉路线图检查。飞利浦开发的血管导航仪(VN)允许将预先获取的血管造影扫描或血管造影MRI图像叠加(X射线融合)在X射线透视上,以提供动脉追踪(融合路线图)。将首先进行主动脉弓的血管造影MRI(飞利浦3特斯拉MRI)成像(作为术前评估或动脉瘤或动静脉畸形的系统随访的一部分)。第一位操作者将在不使用VN的常规条件下进行动脉造影。第二位操作者将能够访问融合成像并评估配准的准确性。
快照将由第二操作员拍摄。
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。




