Valiant Mona LSA 胸主动脉覆膜支架系统在胸主动脉瘤及慢性夹层中的评估
该数据集来自 clinicaltrials.gov,主题为 Valiant Mona LSA 胸主动脉覆膜支架系统在胸主动脉瘤及慢性夹层中的评估

基本信息
资源简介
Valiant Mona LSA 胸主动脉覆膜支架系统在胸主动脉瘤及慢性夹层中的评估
该数据集来自 clinicaltrials.gov,主题为 Valiant Mona LSA 胸主动脉覆膜支架系统在胸主动脉瘤及慢性夹层中的评估。源站描述指出,为在降主动脉瘤中获得足够锚定区,可能需要覆膜支架覆盖左锁骨下动脉;为保证现有成品支架的充分密封,建议在动脉瘤近端瘤颈与支架前缘之间保留 20 mm 健康主动脉。将近端锚定区延伸至弓部并覆盖左锁骨下动脉可便于支架放置,但可能增加严重神经系统结局风险,锁骨下动脉血运重建也伴随严重风险。该系统由主体支架和分支支架组成(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胸主动脉瘤。为在高达 40% 的降主动脉瘤(DTA)中获得足够的锚定区,可能需要覆膜支架覆盖左锁骨下动脉(LSA)。为确保当前可用的成品覆膜支架充分密封,建议在动脉瘤近端瘤颈与覆膜支架前缘之间保留 20 mm 的健康主动脉。通过将近端锚定区延伸至弓部并覆盖 LSA,可便于覆膜支架放置;然而,严重神经系统结局(脑部及截瘫)的风险可能更高,尽管这仍有争议。已知锁骨下动脉血运重建也伴随严重风险,其可能涉及旁路或移位术。Valiant Mona LSA 胸主动脉覆膜支架系统(Medtronic,Santa Rosa,Calif)由主体覆膜支架和分支覆膜支架组成。
【主题与分类】
主题标签:Aortic Aneurysm, Thoracic。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03738124
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/NCT03738124
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:胸主动脉瘤。在多达40%的降主动脉瘤(DTAs)中,可能需要支架移植物覆盖左锁骨下动脉(LSA)以获得足够的锚定区。为确保现有即用型支架移植物充分密封,建议在动脉瘤近端颈部与支架移植物前缘之间保留20毫米的健康主动脉。通过将近端锚定区延伸至主动脉弓并覆盖LSA,可便于支架移植物的放置;然而,尽管仍有争议,但此举可能伴随更高的严重神经系统结局风险(脑部及截瘫)。已知锁骨下动脉血运重建,可能涉及旁路移植或移位术,也伴有严重风险。Valiant Mona LSA胸主动脉支架移植物系统(Medtronic,加州圣罗莎)由主体支架移植物和分支支架移植物组成,旨在保持LSA通畅的同时,引导血液循环绕过侵袭的动脉瘤。
本可行性研究的目的是描述Valiant Mona LSA胸主动脉覆膜支架系统的安全性特征,包括在确定的研究人群(动脉瘤及慢性B型夹层)中对该器械急性期及1个月随访时的安全性和有效性进行评估。该人群将在5年内每年进行随访。这项试点性、非随机、单臂前瞻性研究将纳入20名患者。纳入标准要求患者患有胸主动脉瘤(TAA)或夹层,并具有覆膜支架置入指征。主要终点将为动脉瘤相关死亡、卒中、截瘫、左臂/手缺血以及治疗成功。技术成功将通过1个月、6个月时的影像学检查进行评估,此后5年内每年评估一次。
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。




