金属过敏与支架内再狭窄研究
该数据集来源于 clinicaltrials.gov,主题为金属过敏与冠状动脉支架内再狭窄研究,属于循环系统疾病及其他分类

基本信息
资源简介
金属过敏与支架内再狭窄研究
该数据集来源于 clinicaltrials.gov,主题为金属过敏与冠状动脉支架内再狭窄研究,属于循环系统疾病及其他分类。源站描述涉及金属过敏、接触性过敏、冠状动脉再狭窄、支架内再狭窄及冠状动脉疾病等条件,并指出支架内再狭窄仍是冠状动脉血管成形术后患者面临的难题之一,药物洗脱支架植入后约10%的患者经造影发现再狭窄,其成因可分为血管依赖性与介入引起的炎症过程两大类,对金属的过敏反应可能是炎症的潜在原因之一(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:金属过敏、接触性过敏、再狭窄、冠状动脉、支架内再狭窄、冠状动脉疾病。引言:支架内再狭窄仍然是冠状动脉血管成形术后患者面临的最具挑战性的问题之一。在造影上,药物洗脱支架(DES)植入后10%的患者可发现再狭窄。导致再狭窄的因素有多种,可分为两大类:第一类为血管依赖性(基于血管的迂曲度、尺寸和病变的钙化,所有这些都会导致支架扩张不理想),第二类取决于介入引起的炎症过程。虽然适当的支架扩张主要取决于心脏病学家的手工操作技巧,但炎症的发展完全不取决于操作者。对金属的过敏反应很可能是炎症的潜在原因之一
【主题与分类】
主题标签:Metal Allergy、Contact Allergy、Restenoses, Coronary、In-stent Restenosis、Coronary Artery 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/NCT03588962
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/NCT03588962
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:金属过敏、接触性过敏、再狭窄、冠状动脉、支架内再狭窄、冠状动脉疾病。引言:支架内再狭窄仍然是冠状动脉血管成形术后患者面临的最具挑战性的问题之一。在血管造影上,药物洗脱支架(DES)植入后10%的患者可发现此现象。导致再狭窄的因素众多,大致可分为两大类:第一类取决于血管本身(基于血管的迂曲度、尺寸及病变钙化程度,这些均可导致支架扩张不理想),第二类则取决于介入治疗引发的炎症过程。尽管支架的适当扩张主要取决于心脏病专家的手工操作技巧,但炎症的发展则完全不受操作者的影响。对金属的过敏反应很可能是引发炎症的潜在原因之一。在最为常见的过敏原中,作为支架材料使用的钴、铬、镍和钨能引起最强烈的接触性过敏反应。上述金属诱发的过敏过程属于IV型接触性过敏(T细胞介导)。
支架植入会导致终身与金属接触,因此对于过敏患者,很可能发生局部反应,进而导致支架内再狭窄。迄今为止,在已确认对支架金属存在接触过敏的患者中,已记录了大约一千例支架内再狭窄病例。研究目的:分析支架制造中所用金属(镍、钴、铬、钼、钨)过敏与支架内再狭窄发生之间可能存在的相关性。材料与方法:该研究将包括两个组:第一组:对在技术操作正确的植入后经血管造影证实发生支架内再狭窄的患者,应用支架生产中所用金属的斑贴试验。第二组:对已(在技术操作正确的情况下)植入支架的患者,应用斑贴试验以识别存在接触过敏的病例。这些患者将
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。




