动脉瘤性蛛网膜下腔出血的远程缺血预适应
该数据集来自 clinicaltrials.gov,主题为动脉瘤性蛛网膜下腔出血(aSAH)的远程缺血预适应。源站描述覆盖 aSAH 的疾病负担、急性期再出血与迟发性脑缺血(DCI)等并发症,以及 DCI 的发生率、时间窗和脑血管痉挛的相关性

基本信息
资源简介
动脉瘤性蛛网膜下腔出血的远程缺血预适应
该数据集来自 clinicaltrials.gov,主题为动脉瘤性蛛网膜下腔出血(aSAH)的远程缺血预适应。源站描述覆盖 aSAH 的疾病负担、急性期再出血与迟发性脑缺血(DCI)等并发症,以及 DCI 的发生率、时间窗和脑血管痉挛的相关性。数据可用于围绕 aSAH 后 DCI 风险与远程缺血预适应干预的研究,具体样本量与字段源站未提供(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:动脉瘤性蛛网膜下腔出血、迟发性脑缺血。动脉瘤性蛛网膜下腔出血(aSAH)是最具破坏性的卒中类型之一。半数患者在急性发作期死亡,存活者预后不良,20-30% 致残或最终死于该病。aSAH 后急性期最具破坏性的并发症是再出血,而晚期迟发性脑缺血(DCI)是另一令人担忧的并发症,与高发病率和高死亡率相关。30% 的患者出现 DCI 症状,15-20% 的患者将因 DCI 发生致残性卒中。DCI 通常发生在初次出血后第 4 至 14 天。DCI 的病因尚未完全明确。初次出血后前 4-14 天血管造影常见脑血管痉挛(CVS),并与晚发性 o
【主题与分类】
主题标签:Subarachnoid Hemorrhage, Aneurysmal、Delayed Cerebral Ischemia。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06032533
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/NCT06032533
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:动脉瘤性蛛网膜下腔出血、迟发性脑缺血。动脉瘤性蛛网膜下腔出血(aSAH)是最具破坏性的卒中类型之一。半数患者在急性发作期死亡,而幸存者预后较差,20-30%的患者残疾或最终死于该病。aSAH后的急性期,最具破坏性的并发症是再出血,而在后期,迟发性脑缺血(DCI)是另一种令人担忧的并发症,与高发病率和死亡率相关。30%的患者出现DCI症状,15-20%的患者将因DCI而发生致残性卒中。DCI通常发生在初次出血后第4至14天之间。DCI的病因尚未完全明确。脑血管痉挛(CVS)在初次出血后的前4-14天内常见于血管造影,自60年代以来一直被认为与局灶性缺血症状的迟发有关。现代研究表明其病理生理机制是多因素的,但CVS仍被认为是主要因素。
其他被认为的促成因素包括微血栓形成、微血管痉挛、氧化应激、皮层扩散性去极化、细胞死亡、血脑屏障破坏等。尼莫地平治疗是标准治疗方案,并且是唯一被证明能改善aSAH患者预后的药物干预措施,尽管它对大血管CVS无影响。开发有效预防或治疗DCI的方法的需求依然存在,而有效的预防性治疗可能对aSAH的总体预后产生重大影响。缺血调理是内源性抗缺血损伤保护的有力激活剂。RIC可以通过在远隔组织反复施加短暂缺血来实施,从而对目标器官后续的长时间缺血性损伤产生保护作用。这种保护可以分别在长时间缺血事件之前或期间应用,分别称为远程缺血预适应(RIPreC)和远程缺血围适应(RIPerC)。RIC
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




