中度主动脉瓣疾病前瞻性观察性队列研究
该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,聚焦于在浙江大学医学院附属第二医院诊断的中度主动脉瓣疾病患者

基本信息
资源简介
中度主动脉瓣疾病前瞻性观察性队列研究
该数据集来自 clinicaltrials.gov,为一项前瞻性观察性队列研究,聚焦于在浙江大学医学院附属第二医院诊断的中度主动脉瓣疾病患者。覆盖中度主动脉瓣狭窄与中度主动脉瓣反流两类最常见形式,依据2021 ESC指南的超声心动图指标进行定义。数据可用于探究中度主动脉瓣疾病的疾病进展规律及其影响因素,支持风险分层与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:中度主动脉瓣狭窄、中度主动脉瓣反流、主动脉瓣疾病。本研究是一项前瞻性观察性队列研究,旨在全面探究在浙江大学医学院附属第二医院诊断的中度主动脉瓣疾病患者的疾病进展及影响因素。主动脉瓣狭窄和主动脉瓣反流是主动脉瓣疾病最常见的形式。根据2021 ESC指南,中度主动脉瓣狭窄(Moderate AS)定义为超声心动图上的主动脉瓣面积(AVA)为1.0-1.5 cm2(或AVA <1.0 cm2且AVA指数为0.60-0.85 cm2/m2)、峰值射流速度(Vmax)为3-4 m/s和/或平均跨瓣压差(MG)为20-40 mmHg。中度主动脉瓣反流(Moderate AR)定义为反流分数在30%至50%之间或有效反流
【主题与分类】
主题标签:Moderate Aortic Valve Stenosis、Moderate Aortic Valve Regurgitation、Aortic Valve Disease。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06595992
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/NCT06595992
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
疾病情况:中度主动脉瓣狭窄、中度主动脉瓣反流、主动脉瓣疾病。本研究是一项前瞻性观察性队列研究,旨在深入研究在浙江大学医学院附属第二医院确诊的中度主动脉瓣疾病患者的疾病进展及影响因素。主动脉瓣狭窄和主动脉瓣反流是主动脉瓣疾病最常见的表现形式。根据2021年ESC指南,中度主动脉瓣狭窄(Moderate AS)定义为超声心动图测得的主动脉瓣面积(AVA)为1.0-1.5 cm2(或AVA <1.0 cm2且AVA指数为0.60-0.85 cm2/m2)、峰值射流速度(Vmax)为3-4 m/s,和/或平均跨瓣压差(MG)为20-40 mmHg。中度主动脉瓣反流(Moderate AR)定义为反流分数在30%至50%之间或有效反流口面积在0.10-0.30 cm2之间。虽然重度AS患者的治疗指南已较为完善,但目前对于中度AS患者的治疗尚无明确共识,这些患者后续的疾病进展仍不明确。
同样,当主动脉瓣仅表现为中度反流时,通常不需要手术治疗;最重要的是定期监测疾病变化,包括定期进行超声心动图检查。值得注意的是,从中度到重度主动脉瓣反流的时间跨度可为1至10年不等,而目前针对提示疾病恶化的潜在标志物的监测和预警机制尚不完善。本研究的目标是确定所有可能增加疾病进展风险的临床特征、生物学、超声心动图和CT影像学参数。这些参数的确认将指导未来研究开发药物和介入治疗方法,以降低与该疾病相关的死亡率。参与本研究的患者将在诊断后每1年进行一次门诊随访。
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。




