远程缺血预适应与冠状动脉内皮功能(RIC-COR)
该数据集来自 clinicaltrials.gov,主题为远程缺血预适应(RIC)与冠状动脉内皮功能,属于循环系统疾病范畴

基本信息
资源简介
远程缺血预适应与冠状动脉内皮功能(RIC-COR)
该数据集来自 clinicaltrials.gov,主题为远程缺血预适应(RIC)与冠状动脉内皮功能,属于循环系统疾病范畴。数据围绕间歇性上臂袖带充气是否改善冠状动脉血管功能这一核心问题,涉及在 200 mmHg 下充气 5 分钟、间隔 5 分钟、共 4 次的干预方案,并与未充气袖带对照进行比较。同时关注 RIC 是否改变体循环血液中调节冠状动脉内皮功能的小分子与激素浓度。可用于研究 RIC 对冠状动脉功能的影响及其潜在循环生物标志物机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:缺血预适应、冠状动脉疾病。间歇性上臂袖带充气可减轻心血管损伤时心肌损伤的程度。该干预被称为远程缺血预适应(RIC),但 RIC 发挥作用的具体机制尚不完全清楚。可能解释 RIC 获益的一种机制是冠状动脉功能的改善,而这反过来可能有助于改善心肌的血流。主要目的是确定在 200 mmHg 下以 5 分钟为周期、间隔 5 分钟、共 4 次间歇性充气血压袖带,与放置袖带但不充气相比,能否改善冠状动脉血管功能。次要目的是确定 RIC 是否改变体循环血液中调节冠状动脉内皮功能的小分子和激素的循环浓度。
【主题与分类】
主题标签:Ischemic Preconditioning、Coronary Disease。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/NCT02666235
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/NCT02666235
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:缺血预适应,冠状动脉疾病。间歇性上臂袖带充气可减少心血管损伤时心肌损伤的程度。该干预措施被称为远程缺血预适应(RIC),然而RIC发挥作用的具体机制尚不完全清楚。一种可能解释RIC益处的机制是改善冠状动脉功能,进而可能有助于改善心肌血流。主要目的是确定与放置袖带但不充气相比,将血压袖带以200 mmHg间歇充气5分钟、共4次、每次间隔5分钟,是否能改善冠状动脉血管功能。次要目的是确定RIC是否改变体循环血液中调节冠状动脉内皮功能的小分子和激素的循环浓度。研究者将开展一项RIC的随机对照试验,纳入至少60例已知或疑似心绞痛且考虑进行冠状动脉造影及血管成形术的患者。将前瞻性记录筛选日志。
为了入选,必须具备冠状动脉解剖和疾病的既往知识,这些信息可通过以下方式获得:在非侵入性CT冠状动脉造影后,对转诊进行侵入性血管造影筛查;或者在初次侵入性血管造影后计划进行血管成形术时,采用分期侵入性管理。该方案最初涉及在同一天进行两次冠状动脉造影及冠状动脉反应性测试,第一次造影在RIC-COR干预之前进行,第二次造影紧随其后进行。然而,在入选10名参与者后,明显发现总手术时间和住院时间过长且不切实际。因此,在与试验生物统计学家、资助方和伦理委员会协商后,方案进行了修订,并取消了初次造影(2012年5月)。方案的其他部分未作更改。
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。




