REVIVE-FR 注册研究
覆盖生物瓣膜衰败、人工心脏瓣膜功能障碍、结构性瓣膜退化、人工心脏瓣膜血栓及人工瓣膜心内膜炎等情形。随着年轻重度主动脉瓣狭窄患者接受 SAVR 或 TAVI 后可能超过植入瓣膜预期耐久性,该问题日益突出

基本信息
资源简介
REVIVE-FR 注册研究
REVIVE-FR Registry 来自 clinicaltrials.gov,聚焦生物瓣膜衰败及相关人工心脏瓣膜问题。覆盖生物瓣膜衰败、人工心脏瓣膜功能障碍、结构性瓣膜退化、人工心脏瓣膜血栓及人工瓣膜心内膜炎等情形。随着年轻重度主动脉瓣狭窄患者接受 SAVR 或 TAVI 后可能超过植入瓣膜预期耐久性,该问题日益突出。数据可用于研究不同机制下的瓣膜失效特征与治疗选择,包括瓣中瓣植入等策略(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:生物瓣膜衰败、人工心脏瓣膜功能障碍、结构性瓣膜退化、人工心脏瓣膜血栓、人工瓣膜心内膜炎。生物瓣膜衰败(BVF)是一个日益重要的临床问题,因为接受外科主动脉瓣置换术(SAVR)或经导管主动脉瓣植入术(TAVI)的年轻重度主动脉瓣狭窄患者可能存活超过其植入瓣膜的预期耐久性。BVF 可由结构性瓣膜退化、非结构性瓣膜功能障碍、瓣膜血栓或心内膜炎引起。根据潜在机制、解剖特征、手术风险和临床情况,治疗选择包括将经导管瓣膜植入衰败的外科生物瓣膜内(TAVI-in-SAVR)、在衰败的经导管心脏瓣膜内再次行经导管主动脉瓣植入术
【主题与分类】
主题标签:Bioprosthetic Valve Failure、Prosthetic Heart Valve Dysfunction、Structural Valve Deterioration、Prosthetic Heart Valve Thrombosis、Prosthetic Valve Endocarditis。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/NCT07885761
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/NCT07885761
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:生物瓣膜衰败、人工心脏瓣膜功能障碍、结构性瓣膜退化、人工心脏瓣膜血栓形成、人工瓣膜心内膜炎。生物瓣膜衰败(BVF)是一个日益重要的临床问题,因为患有重度主动脉瓣狭窄的年轻患者接受外科主动脉瓣置换术(SAVR)或经导管主动脉瓣植入术(TAVI)后,其生存期可能超过植入瓣膜的预期耐久性。BVF可由结构性瓣膜退化、非结构性瓣膜功能障碍、瓣膜血栓形成或心内膜炎引起。根据潜在机制、解剖特征、手术风险和临床情况,治疗选择包括对衰败的外科生物瓣膜行经导管瓣中瓣植入(TAVI-in-SAVR)、在衰败的经导管心脏瓣膜内再次行经导管主动脉瓣植入(THV-in-THV或再次TAVI)、外科取出衰败的经导管心脏瓣膜,或不予再次干预的药物治疗。
关于这些管理策略比较结局的证据仍然有限,尤其是对于接受外科取出术和保守治疗的患者。重复经导管手术可能伴随并发症,如冠状动脉阻塞、冠状动脉通路受损以及残余跨瓣压差升高。术前计算机断层扫描(CT)可能有助于识别与这些风险相关的解剖特征,包括虚拟经导管心脏瓣膜至冠状动脉距离(VTC)、虚拟经导管心脏瓣膜至窦管交界距离(VTSTJ),以及失败瓣膜移位瓣叶所形成的新裙边高度。REVIVE-FR是一项法国多中心注册研究,旨在收集采用不同治疗策略管理的生物瓣膜失败患者的真实世界临床数据。该注册研究将纳入接受TAVI-in-SAVR、再次TAVI(THV-in-THV)、失败经导管心脏瓣膜的外科取出术或未行再次干预的药物治疗的患者。基线特征、手术数据……
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。




