择期手术患者外周与肠系膜灌注数据集
该数据集来自 clinicaltrials.gov,聚焦择期手术患者的外周灌注与肠系膜灌注问题,涉及外周灌注、肠缺血、结直肠手术及血流动力学不稳定等情形

基本信息
资源简介
择期手术患者外周与肠系膜灌注数据集
该数据集来自 clinicaltrials.gov,聚焦择期手术患者的外周灌注与肠系膜灌注问题,涉及外周灌注、肠缺血、结直肠手术及血流动力学不稳定等情形。源站描述指出,血流动力学监测与复苏的重要目标是早期发现组织灌注与氧合不足,但临床常规以血压和心率作为复苏终点可能并不充分;以心输出量和每搏量(SV)为目标的血流动力学管理在微创或无创方法下可行,但应用范围有限。该数据可用于探讨围手术期灌注监测与复苏策略相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:外周灌注、肠缺血、结直肠手术、血流动力学不稳定。血流动力学监测与复苏的一个重要目标是早期发现组织灌注与氧合不足,但在临床实践中,监测与复苏通常基于血压和心率的测量,而这些可能并非实现最佳复苏的充分终点。当应用微创或无创方法时,以心输出量和每搏量(SV)为目标、并在一定程度上以血流和组织灌注为目标的血流动力学管理是可行的,但其应用一直局限于少数危重患者以及术中环境。另一种复苏方法则着眼于重要器官的血流与灌注。理想情况下,测量应直接在这些器官上进行,但目前尚无可行的方法。假设血流
【主题与分类】
主题标签:Peripheral Perfusion、Bowel Ischemia、Colorectal Surgery、Haemodynamic Instability。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/NCT03395483
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/NCT03395483
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:外周灌注、肠缺血、结直肠手术、血流动力学不稳定。血流动力学监测和复苏的一个重要目标是早期发现组织灌注和氧合不足,但在临床实践中,监测和复苏通常基于血压和心率的测量,而这些可能不是实现最佳复苏的充分终点。以心输出量和每搏输出量(SV)为目标、并在一定程度上以血流和组织灌注为目标的血流动力学管理,在应用微创或无创方法时是可行的,但仅限于少数危重症患者和术中环境。另一种复苏方法着眼于生命器官的血流和灌注。理想情况下,应直接在这些器官上进行测量,但目前尚无可行的方法。假设在循环性休克期间,血流从外周组织和胃肠道分流至生命器官,那么一种客观、简单且无创的检测外周组织灌注受损的方法或许能够在早期阶段发现这种情况。
外周灌注指数(PPI)源自光电体积描记脉搏血氧饱和度信号,所有患者在围手术期均通过该信号监测以评估动脉血氧饱和度。PPI是一种无创的数值测量指标,代表到达脉搏血氧仪的光线中搏动性(动脉)成分与非搏动性成分之间的比值,在灌注不足状态下PPI降低。PPI反映外周灌注和血容量的变化,由PPI确定的周围灌注降低可预测急性外科和感染性休克患者的手术并发症和发病率。肠系膜对循环休克的血流动力学反应复杂,由于肠缺血表现非特异性且缺乏简单的诊断试验,其诊断给临床医生带来重大困难。在接受结直肠恶性肿瘤手术的患者中,激光多普勒血流仪可进行测量
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。




