使用SONAS超声设备无创检测肺内右向左分流
该数据集来自clinicaltrials.gov,聚焦于使用SONAS超声设备无创检测肺内右向左分流。覆盖的疾病包括遗传性出血性毛细血管扩张症、卵圆孔未闭和肺动静脉畸形

基本信息
资源简介
使用SONAS超声设备无创检测肺内右向左分流
该数据集来自clinicaltrials.gov,聚焦于使用SONAS超声设备无创检测肺内右向左分流。覆盖的疾病包括遗传性出血性毛细血管扩张症、卵圆孔未闭和肺动静脉畸形。研究旨在验证SONAS设备能否安全可靠地检测这些异常血管连接,以替代传统需要经验丰富人员且耗时较长的气泡心脏超声(TTCE)。数据可用于评估新型便携超声设备在右向左分流筛查中的效果,帮助降低卒中或脑脓肿等风险(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:遗传性出血性毛细血管扩张症、PFO - 卵圆孔未闭、肺动静脉畸形。本研究旨在探究一种名为SONAS的新型超声设备能否安全可靠地检测遗传性出血性毛细血管扩张症(HHT)患者的“右向左分流”。右向左分流是血管之间的异常连接,使血液绕过肺部,直接从心脏右侧流至左侧。这可能增加卒中或脑脓肿等问题的风险。目前,这些分流通常通过“气泡心脏超声”(TTCE)发现,该方法需要经验丰富的工作人员,且可能耗时较长。SONAS是一种小型便携设备,可在注射气泡后检测大脑中的血流信号,可能提供一种更简单的分流检测方法。在本研究中,所有参与者均已……
【主题与分类】
主题标签:Hereditary Haemorrhagic Telangiectasia、PFO - Patent Foramen Ovale、Pulmonary 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/NCT07414446
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/NCT07414446
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:遗传性出血性毛细血管扩张症、PFO-卵圆孔未闭、肺动静脉畸形。本研究旨在探究一种名为SONAS的新型超声设备能否安全、可靠地检测遗传性出血性毛细血管扩张症(HHT)患者的“右向左分流”。右向左分流是血管之间的异常连接,使血液绕过肺部,直接从心脏右侧流至左侧。这可能增加卒中或脑脓肿等问题的风险。目前,这些分流通常通过“气泡心脏超声”(TTCE)发现,该检查需要经验丰富的工作人员,且可能耗时较长。SONAS是一种小型便携设备,可在注射气泡后检测脑部血流信号,或能提供一种更简便的分流检测方法。在本研究中,所有参与者均已计划将气泡心脏超声作为其常规诊疗的一部分。本研究在该常规检查基础上增加SONAS设备。操作过程中,会将一条带有小型超声传感器的柔软头带置于头部两侧耳朵前方。
同时,进行标准气泡试验:将生理盐水与少量受试者血液及一些空气混合后注入静脉,并用超声对心脏成像。受试者将被要求进行用力动作(称为Valsalva动作),以观察是否能使分流更加明显。在此期间,SONAS持续记录来自大脑的信号,显示气泡何时通过。将把SONAS显示的结果与标准心脏超声显示的结果进行比较。通过比较这些结果,研究人员希望了解SONAS评分与标准测试的吻合程度,以及某些SONAS结果是否提示具有临床意义的分流。他们还将观察气泡信号的时间和模式,以探索SONAS是否有助于区分来自心脏的分流和来自肺部的分流。该研究不会改变任何决策
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。




