降主动脉瘤经胸超声检查
该数据集来自 clinicaltrials.gov,围绕降主动脉瘤的经胸超声评估,涉及超声检查的准确性、可行性与可重复性

基本信息
资源简介
降主动脉瘤经胸超声检查
该数据集来自 clinicaltrials.gov,围绕降主动脉瘤的经胸超声评估,涉及超声检查的准确性、可行性与可重复性。主动脉瘤是重要的公共卫生问题,新诊断的胸主动脉瘤数量不断上升,且动脉瘤破裂死亡率高。升主动脉和主动脉弓常由超声心动图检查者常规扫查,腹主动脉也易于经腹超声显示,英国已有高成本效益的筛查项目并降低了动脉瘤相关死亡数,但胸腔内的降主动脉段尚未被超声检查者常规评估,其诊断主要依赖使用电离辐射的影像技术(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:降主动脉瘤、超声、准确性、可行性、可重复性。主动脉瘤是一个重要的公共卫生问题。新诊断的胸主动脉瘤数量正在上升,而动脉瘤破裂是灾难性事件,死亡率高。主动脉最靠近近端的部分(升主动脉和主动脉弓)由超声心动图检查者常规扫查。腹主动脉也易于经腹超声显示,英国有一个筛查项目,具有很高的成本效益,并减少了动脉瘤相关的死亡人数。然而,胸腔内的主动脉部分(降主动脉胸段)未被超声检查者常规评估。降主动脉胸段动脉瘤的诊断主要依赖使用电离辐射的影像技术。在
【主题与分类】
主题标签:Descending Aortic Aneurysm、Ultrasound、Accuracy、Feasibility、Reproducibility。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07752654
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/NCT07752654
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
关键词:降主动脉瘤,超声,准确性,可行性,可重复性。主动脉瘤是一个重大的公共卫生问题。新诊断的胸主动脉瘤数量正在上升,而动脉瘤破裂是一种灾难性事件,与高死亡率相关。主动脉的最近端部分(升主动脉和主动脉弓)通常由超声心动图医师进行扫描。腹主动脉也易于通过经腹超声观察,英国有一项极具成本效益的筛查计划,减少了动脉瘤相关的死亡人数。然而,胸部主动脉部分(降胸主动脉)并未由超声医师常规评估。降胸主动脉瘤的诊断主要依赖于使用电离辐射的成像技术。此外,这些技术昂贵,且在某些地区可能并不广泛可用。相比之下,超声是一种非侵入性技术,能够观察身体的大部分部位。
多年来,超声机器供应商投入研发了更优质的系统与探头,如今已有可能实现降主动脉胸段的显像。本研究的主要目标在于评估超声在降主动脉胸段动脉瘤诊断与监测中的可行性(第1部分)、准确性(第2部分)及可重复性(第3部分)。参与者将从血管实验室及门诊诊所招募,并采用无创超声测量降主动脉胸段的直径。研究测量所得数据将与患者作为标准诊疗一部分所接受的计算机断层扫描进行对比。若超声的可行性、准确性及可重复性得到明确证实,则可能建议将降主动脉胸段的常规超声扫描纳入实践。
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。




