选择性顺行脑灌注与升主动脉手术围术期视神经鞘直径
该数据集来自 clinicaltrials.gov,为单中心前瞻性研究,纳入接受择期或紧急升主动脉手术并计划行腋动脉插管的成人

基本信息
资源简介
选择性顺行脑灌注与升主动脉手术围术期视神经鞘直径
该数据集来自 clinicaltrials.gov,为单中心前瞻性研究,纳入接受择期或紧急升主动脉手术并计划行腋动脉插管的成人。参与者按是否需释放主动脉阻断钳以完成远端吻合、从而是否应用选择性顺行脑灌注进行分组,分组由术中手术需求决定而非研究者指派。两组均接受同一方案规定的全身麻醉与通气方案,以控制已知影响视神经鞘直径的变量。数据可用于研究升主动脉手术中脑灌注策略与围术期视神经鞘直径及术后谵妄等并发症的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:主动脉疾病、心脏外科手术、胸主动脉瘤、术后谵妄、术后并发症(心肺)、术后并发症、脑血管循环。这项单中心前瞻性研究将纳入接受择期或紧急升主动脉手术并计划行腋动脉插管的成人。参与者根据是否需要释放主动脉阻断钳以构建远端吻合、从而是否应用选择性顺行脑灌注进行分组。分组依据术中手术需求,而非由研究者指派。所有参与者均接受单一方案规定的全身麻醉与通气方案,两组完全相同,以使已知作用于视神经鞘直径的变量,特别是动脉血二氧化碳分压……
【主题与分类】
主题标签:Aortic Diseases、Cardiac Surgical Procedures、Aortic Aneurysm, Thoracic、Delirium - Postoperative、Postoperative Complications、Cerebrovascular Circulation。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07800806
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/NCT07800806
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:主动脉疾病、心脏外科手术、胸主动脉瘤、术后谵妄、术后并发症(心肺)、术后并发症、脑血管循环。这项单中心前瞻性研究将纳入接受择期或紧急升主动脉手术并计划行腋动脉插管的成人。参与者根据是否需要释放主动脉阻断钳以构建远端吻合口,以及因此是否应用选择性顺行脑灌注进行分组。分组依据术中手术需求而定,并非由研究者分配。所有参与者均接受方案规定的单一全身麻醉和通气方案,两组完全相同,从而使已知影响视神经鞘直径的变量,特别是动脉二氧化碳张力、挥发性麻醉剂浓度和气道压力,保持恒定。由于该方案由研究方案指定,因此本研究注册为干预性研究。
将通过超声测量双侧视神经鞘直径和视神经直径,并通过经颅多普勒测量大脑中动脉平均血流速度,在三个时间点进行:麻醉诱导前(T0)、手术结束时在手术室内血流动力学稳定后(T1),以及术后24小时在重症监护病房(T2)。术中记录通过近红外光谱测得的局部脑氧饱和度和由双频指数监测得出的脑电图抑制比。术后24小时使用护理谵妄筛查量表(Nu-DESC)进行谵妄筛查,总分2分及以上视为筛查阳性。主要结局是双侧平均视神经鞘直径在T0、T1和T2之间的变化,通过线性混合效应模型中的组别-时间交互作用进行评估。
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。




