EVAR术后动脉瘤体积演变与移植物迁移自动检测软件应用注册研究

研究旨在验证形态学指标(如瘤囊体积演变、移植物迁移、解剖标志间长度)与动脉瘤破裂风险或需再干预的内漏等并发症之间的相关性,并验证一款全自动软件在CTA上分割腹主动脉瘤、测量直径与体积演变、分析近远端锚定区及器械迁移与完整性的可重复性和准确性,并与医师控制下的半自动分析进行对比

University Hospital, BordeauxUniversity Hospital, Bordeaux
clinicaltrials
浏览 12
表格图像分割Aneurysm Aortic
REGISTRY for the Use of a Software for Automatic Detection of the Evolution of Aneurysmal Volume and Graft Migration After EVAR (EndoVascular Aneurysm Repair)

基本信息

模态
表格
任务类型
图像分割
创建/更新时间
2026-10-07

资源简介

EVAR术后动脉瘤体积演变与移植物迁移自动检测软件应用注册研究

该注册研究来自clinicaltrials.gov,聚焦腹主动脉瘤(Aneurysm Aortic)患者在接受EVAR(EndoVascular Aneurysm Repair)后的随访。研究旨在验证形态学指标(如瘤囊体积演变、移植物迁移、解剖标志间长度)与动脉瘤破裂风险或需再干预的内漏等并发症之间的相关性,并验证一款全自动软件在CTA上分割腹主动脉瘤、测量直径与体积演变、分析近远端锚定区及器械迁移与完整性的可重复性和准确性,并与医师控制下的半自动分析进行对比。数据可用于动脉瘤进展预测、分割算法评估及术后并发症相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:主动脉瘤。该注册研究的目标是发现并验证形态学指标(如瘤囊体积演变、移植物迁移或解剖标志之间的长度)与动脉瘤破裂风险或需再干预的并发症(如内漏)之间的相关性……次要目标是验证一款专用全自动软件的可重复性和准确性,该软件能够在计算机断层扫描血管造影(CTA)上对腹主动脉瘤(AAA)进行分割,以测量AAA直径、体积演变和随时间的增长,分析近端和远端锚定区,以及EVAR后器械迁移和完整性。该验证是与由医师控制的半自动分析进行比较。

【主题与分类】

主题标签:Aneurysm Aortic。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05964348

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05964348

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:主动脉瘤。本注册研究的目标是发现并验证形态学指标(如瘤囊体积演变、移植物迁移或解剖标志之间的距离)与动脉瘤破裂风险或需再次干预的内漏等并发症之间的相关性……次要目标是验证一款专用全自动软件的可重复性和准确性,该软件能够进行腹主动脉瘤(AAA)分割,以测量AAA直径、体积演变和随时间推移的生长情况,分析近端和远端密封区,以及评估EVAR术后在计算机断层血管造影(CTA)上的装置迁移和完整性。该验证将与由医生控制的半自动分析进行对比。

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。

获取专属数据定制方案