CBSO 首次人体研究
该数据集来自 clinicaltrials.gov，主题为 CBSO 的首次人体（FIH）研究，涉及房间隔缺损（ASD）与卵圆孔未闭（PFO）两类心脏间隔缺损
基本信息
资源简介
CBSO 首次人体研究
FIH Study With CBSO 数据集收录于循环系统疾病 / 其他分类，来源为 clinicaltrials.gov。该数据集围绕一项以 CBSO 为研究对象的首次人体（FIH）研究展开，涉及两类心脏间隔缺损：房间隔缺损（Atrial Septal Defect，ASD）与卵圆孔未闭（Patent Foramen Ovale，PFO）。研究的目标在于评估心内间隔封堵装置（CBO）的有效性与安全性，同时考察借助配套附件（DS for CBO）实施该装置植入的可行性。数据集以这些主题标签为核心组织信息，可用于了解该研究的基本设计与关注方向。
【数据集背景】
该数据集对应的研究属于首次人体（FIH）研究，研究对象为 CBSO。研究关注的是心脏间隔缺损相关人群，具体涵盖房间隔缺损（ASD）与卵圆孔未闭（PFO）两类情况。研究设定的目标包括三个方面：评估心内间隔封堵装置（CBO）的有效性，评估其安全性，以及评估使用配套附件（DS for CBO）植入该装置的可行性。这些背景信息构成了数据集的主题基础，也决定了其内容围绕该研究的目标与关注点展开。
【数据内容】
数据集的主题标签为 Atrial Septal Defect (ASD) 与 Patent Foramen Ovale (PFO)，对应研究涉及的两种心脏间隔缺损。数据集所指向的研究条件同样为这两类疾病。研究内容涉及心内间隔封堵装置（CBO）以及用于植入的配套附件（DS for CBO），并围绕有效性、安全性与植入可行性三个评价方向组织。除上述信息外，数据集的具体字段构成、记录条数、变量类型等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其主题为 CBSO 的首次人体（FIH）研究，涉及房间隔缺损（ASD）与卵圆孔未闭（PFO）两类心脏间隔缺损。关于采集时间、采集方式、更新频率以及样本量等信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解与 CBSO 相关的首次人体研究的基本情况，尤其是围绕房间隔缺损（ASD）与卵圆孔未闭（PFO）这两类心脏间隔缺损所开展的研究。其内容涉及心内间隔封堵装置（CBO）的有效性、安全性以及使用配套附件（DS for CBO）进行植入的可行性等评价方向。适用于需要按循环系统疾病 / 其他分类检索相关研究信息的场景。除此之外的具体应用方式，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据读取方式、字段说明、配套文档或分析流程等。
【质量与限制】
该数据集来自 clinicaltrials.gov，主题为 CBSO 的首次人体（FIH）研究。关于数据质量评价、完整性、偏倚风险、样本代表性以及使用限制等信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT01960491
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：房间隔缺损（ASD）、卵圆孔未闭（PFO）。本研究旨在评估心内间隔封堵器（CBO）的有效性和安全性，以及使用配件（DS for CBO）植入该设备的可行性。
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。
