高危患者复杂主动脉瘤及胸腹主动脉瘤修复的医师改良覆膜支架
该数据集来自 clinicaltrials.gov,聚焦高危患者的复杂主动脉瘤与胸腹主动脉瘤修复,涉及腹主动脉瘤、胸腹主动脉瘤及肾旁主动脉瘤

基本信息
资源简介
高危患者复杂主动脉瘤及胸腹主动脉瘤修复的医师改良覆膜支架
该数据集来自 clinicaltrials.gov,聚焦高危患者的复杂主动脉瘤与胸腹主动脉瘤修复,涉及腹主动脉瘤、胸腹主动脉瘤及肾旁主动脉瘤。所用器械为 Cook Medical 产品,包括 Zenith TX2 dissection 覆膜支架与 Zenith Alpha 胸主动脉覆膜支架,由全厚度编织聚酯织物与自膨胀不锈钢或 nitinol Cook-Z 支架缝合构成,采用编织聚酯与单丝聚丙烯缝线,提供直型或锥型配置,并与其他覆膜支架联合建立近远端密封区。数据可用于血管腔内治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:腹主动脉瘤、胸腹主动脉瘤、肾旁主动脉瘤。本研究使用的器械为 Cook Medical 产品,设计并获批用于胸主动脉和腹主动脉疾病的治疗。这些器械由全厚度编织聚酯织物缝制到自膨胀不锈钢或 nitinol Cook-Z 支架上构成,使用编织聚酯和单丝聚丙烯缝线。提供直型或锥型配置,两种变体均完全覆有支架,以确保稳定性及部署时管腔打开所需的扩张力。器械包括 Zenith TX2 dissection 覆膜支架和 Zenith Alpha 胸主动脉覆膜支架。这些模块化组件与其他覆膜支架联合使用,以建立合适的近端和远端密封区。移植物尺寸的选择
【主题与分类】
主题标签:Abdominal Aortic Aneurysms、Thoracoabdominal Aneurysms、Pararenal Aortic Aneurysm。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07224230
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/NCT07224230
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:腹主动脉瘤、胸腹主动脉瘤、肾旁主动脉瘤。本研究使用的器械为Cook Medical产品,经设计和批准用于治疗胸主动脉和腹主动脉疾病。这些器械由全厚度编织聚酯织物缝制于自膨式不锈钢或镍钛诺Cook-Z支架上构成,采用编织聚酯缝线和单丝聚丙烯缝线。提供直型和锥型两种构型,两种变体均完全覆膜支架化,以确保部署过程中的稳定性和管腔开放所需的扩张力。这些器械包括Zenith TX2夹层腔内移植物和Zenith Alpha胸主动脉腔内移植物。这些模块化组件与其他腔内移植物联合使用,以建立合适的近端和远端密封区。移植物尺寸的选择基于术前影像学研究结果,包括计算机断层扫描(CT),必要时还包括常规血管造影。Zenith腔内器械的尺寸选择遵循其各自的使用说明书。
所选Zenith血管内移植物的外径应比近端植入部位大15-25%。同样,远端植入的附着部位也需大约超出15-25%。这一最佳的移植物与血管直径比例旨在提高与血管壁实现紧密密封的可能性,减少移植物迁移、内漏和血栓形成的风险。大多数病例涉及胸腹主动脉瘤,部分包括内脏旁和肾旁动脉瘤。对于前者,将使用开窗技术以保持对内脏血管的血流;而后者则涉及分支以维持血流。目标是在正常近端主动脉内至少实现20mm的密封,在远端髂动脉内实现15mm的密封。当内脏或肾分支水平的主动脉直径大于28mm时,将主要使用分支。当计划使用分支时,6-8mm的开窗
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。




