初始 Frozen Elephant Trunk 术后二次血管内主动脉修复的结局
该数据集来自 clinicaltrials.gov，聚焦胸腹主动脉瘤与主动脉夹层患者在接受 Thoraflex® Hybrid Frozen Elephant Trunk（FET）植入后，进一步行胸主动脉腔内修复（TEVAR）二次延伸的中期结局
基本信息
资源简介
初始 Frozen Elephant Trunk 术后二次血管内主动脉修复的结局
该数据集来自 clinicaltrials.gov，聚焦胸腹主动脉瘤与主动脉夹层患者在接受 Thoraflex® Hybrid Frozen Elephant Trunk（FET）植入后，进一步行胸主动脉腔内修复（TEVAR）二次延伸的中期结局。研究为前瞻性设计，覆盖2015年至2022年在一家三级主动脉中心连续接受 FET 后 TEVAR 的患者，TEVAR 支架覆盖约10 cm FET 模块并采用2至4 mm 放大率，术后6个月及此后每年通过 CTA 随访。数据可用于评估二次连接的可行性及中期结局，为复杂主动脉病变的二次血管内治疗提供参考（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：胸腹主动脉瘤、主动脉夹层。目的：复杂主动脉病理已因 Thoraflex® Hybrid Frozen Elephant Trunk（FET）等混合假体的使用而发生革命性变化。本研究旨在评估通过胸主动脉腔内修复（TEVAR）对 FET 进行二次延伸的中期结果。文献中关于这种二次治疗结局的数据很少。研究者在一家三级主动脉中心开展了一项前瞻性研究，时间跨度为2015年至2022年，纳入所有连续接受 FET 植入后 TEVAR 的患者。TEVAR 支架覆盖了10 cm FET 模块的大部分，放大率为2至4 mm。所有患者均在6个月时及此后每年通过计算机血管造影（CTA）进行监测。本研究的目的是评估这些二次连接的可行性以及中期结局。
【主题与分类】
主题标签：Thoraco-abdominal Aneurysm、Aortic Dissection。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05571930
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/NCT05571930
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：胸腹主动脉瘤，主动脉夹层。目的：复杂主动脉病理学因使用混合假体如Thoraflex®混合冰冻象鼻（FET）而发生了革命性变化。本研究旨在评估通过胸主动脉腔内修复（TEVAR）对FET进行二次延伸的中期结果。文献中关于这种二次治疗结果的数据很少。研究人员在2015年至2022年间在一家三级主动脉中心进行了一项前瞻性研究，对象是所有连续接受FET植入后TEVAR的患者。TEVAR内移植物覆盖了10厘米FET模块的大部分，尺寸过大2至4毫米。所有患者在6个月时通过计算机断层血管造影（CTA）进行监测，此后每年一次。本研究的目的是这些二次连接的可行性以及血管内治疗的中期结果。
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。
