鼻中隔成形术中新鲜气流量与围术期肺通气评估的肺超声研究
研究对象为 18 至 65 岁、ASA 分级 I 或 II 级、因鼻中隔偏曲接受全麻下择期手术的成人患者。研究按吸入麻醉期间记录的新鲜气流量将参与者分为 1 L/min 和 3 L/min 两个观察队列,未进行随机化

基本信息
资源简介
鼻中隔成形术中新鲜气流量与围术期肺通气评估的肺超声研究
本数据集来自 clinicaltrials.gov 的一项前瞻性、单中心观察性队列研究,在 Fatih Sultan Mehmet Training and Research Hospital 开展。研究对象为 18 至 65 岁、ASA 分级 I 或 II 级、因鼻中隔偏曲接受全麻下择期手术的成人患者。研究按吸入麻醉期间记录的新鲜气流量将参与者分为 1 L/min 和 3 L/min 两个观察队列,未进行随机化。数据涵盖围术期肺通气评估,可用于分析新鲜气流量与肺不张等肺部并发症的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺不张、鼻中隔偏曲。这是一项在 Fatih Sultan Mehmet Training and Research Hospital 开展的前瞻性、单中心观察性队列研究。纳入对象为 18 至 65 岁、美国麻醉医师协会体格状态 I 或 II 级、因鼻中隔偏曲接受全麻下择期手术的成人患者。所有参与者在入组前均提供书面知情同意。麻醉管理按照机构常规临床实践进行。新鲜气流量由主管麻醉医师独立决定,研究方案未对其进行分配或修改。随后根据吸入麻醉期间记录的新鲜气流量,将参与者分为两个观察队列:1 L/min 或 3 L/min。未进行随机化。肺
【主题与分类】
主题标签:Atelectasis、Nasal Septal Deviation。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07758517
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/NCT07758517
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:肺不张、鼻中隔偏曲。这是一项在法提赫苏丹穆罕默德培训与研究医院进行的前瞻性、单中心观察性队列研究。研究评估了年龄在18至65岁、美国麻醉医师协会身体状况分级为I或II级、因鼻中隔偏曲在全身麻醉下接受择期手术的成年患者。所有参与者在入组前均提供了书面知情同意。麻醉管理按照机构常规临床实践进行。新鲜气体流量由主管麻醉医师独立决定,研究方案未对其进行分配或修改。随后,根据吸入麻醉期间记录的新鲜气体流量,将参与者分为两个观察队列:1 L/min或3 L/min。未进行随机化。
在五个围手术期时间点进行了肺超声检查:麻醉诱导前、气管插管后、拔管前、进入麻醉后监护室15分钟后,以及进入麻醉后监护室约30分钟后或即将离开麻醉后监护室前。采用改良肺超声评分对12个胸部区域的肺通气进行评估。根据观察到的超声图像,每个区域评分为0至3分。0分代表通气正常,1分、2分和3分分别代表轻度、中度和重度通气丧失。总评分范围为0至36分,评分越高表示肺通气丧失越严重。主要目的是比较在常规麻醉期间接受1 L/min和3 L/min新鲜气流的患者之间肺超声评分的围手术期变化。其他记录的变量包括心率、收缩压、舒张压和平均动脉压、外周血氧饱和度、灌注指数、呼气末二氧化碳、吸入和呼出氧浓度、体温
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。




