血管外科医生在局部区域麻醉后使用多普勒超声对首选通路的有效性
研究为前瞻性设计,2020 年在法国图卢兹大学医院开展,共纳入 90 例患者,均接受动静脉瘘创建术,术前由血管外科医生进行静脉识别,并由擅长多普勒超声的医生完成静脉定位

基本信息
资源简介
血管外科医生在局部区域麻醉后使用多普勒超声对首选通路的有效性
该数据集来自 clinicaltrials.gov,聚焦于动静脉瘘(Arterio-venous Fistula)相关研究。研究为前瞻性设计,2020 年在法国图卢兹大学医院开展,共纳入 90 例患者,均接受动静脉瘘创建术,术前由血管外科医生进行静脉识别,并由擅长多普勒超声的医生完成静脉定位。术后数据库已匿名化。数据可用于评估血管外科医生在局部区域麻醉后使用多普勒超声对首选通路选择的有效性,支持血管通路规划与预后相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:动静脉瘘。研究者在 2020 年开展了一项前瞻性研究,期间所有患者(n=90)均在法国图卢兹大学医院由外科医生进行术前静脉识别后创建动静脉瘘(超声组)。所有患者均签署知情同意书,研究完成后数据库已匿名化。所有患者均接受术前会诊,由专门从事多普勒超声检查的医生进行静脉定位。会诊后,根据 Silva 标准(尤其是静脉直径超过 2.5mm、动脉直径 2mm)规划瘘管类型。手术当天,在超声引导下按先前描述进行局部区域麻醉。阻滞入路的选择和局部麻醉剂的选择由
【主题与分类】
主题标签:Arterio-venous Fistula。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/NCT04978155
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/NCT04978155
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:动静脉瘘。研究人员在2020年进行了一项前瞻性研究,期间所有患者(n=90)均在法国图卢兹大学医院由外科医生进行术前静脉识别后创建了动静脉瘘(回声组)。所有患者均签署知情同意书,研究完成后数据库已匿名化处理。所有患者均接受了术前会诊,由擅长多普勒超声使用的医生进行静脉定位。在此次会诊之后,根据Silva标准(特别是静脉直径超过2.5mm和动脉直径为2mm)规划了瘘管类型。手术当天,按照先前的描述,在超声引导下进行了局部区域麻醉。阻滞方法的选择和局部麻醉剂的选用由麻醉医师自行决定。外科医生进行了超声检查,并且如果Silva标准与初次会诊时描述的不同,则对动静脉瘘的类型进行了修改。
修改可能包括更远端或更近端的创建、静脉或动脉的更换。研究者成功地在左桡动脉结扎后,当静脉直径超过2.5毫米时,创建了更远端的动静脉瘘。此外,当静脉显得过小或残留时(例如,在映射与手术之间进行了输液附着后),研究者重新组装了动静脉瘘。同一组4名外科医生参与了超声组和对照组的动静脉瘘创建。所有患者均接受了术前心脏功能和心血管危险因素(高血压、糖尿病、吸烟、血脂异常)评估。既往中风和冠状动脉疾病以及患者的BMI和美国麻醉医师学会评分也被记录。血液透析通路良好发展的定义基于国家肾脏基金会
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。




