氙气对抗术后氧合障碍

该数据集来自 clinicaltrials.gov,主题为氙气对抗术后氧合障碍,聚焦 Stanford type A 主动脉夹层相关的急性肺损伤(ALI)

Beijing Anzhen HospitalBeijing Anzhen Hospital
clinicaltrials
浏览 14
其他预测Acute Lung Injury
Xenon Against Postoperative Oxygen Impairment

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

氙气对抗术后氧合障碍

该数据集来自 clinicaltrials.gov,主题为氙气对抗术后氧合障碍,聚焦 Stanford type A 主动脉夹层相关的急性肺损伤(ALI)。既往试验表明,体外循环期间以 50% 氙气静态充气可减轻 ALI,但保护作用受时间限制。本随机试验设计在体外循环前后各一小时使用 50% 氙气麻醉,并在体外循环期间分别以 50%、75% 和 100% 氙气进行肺静态充气,以增强保护效果。数据可用于研究氙气对术后氧合障碍及急性肺损伤的保护作用(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:急性肺损伤。急性肺损伤(ALI)是 Stanford A 型主动脉夹层的重要并发症。已证实氙气对重要器官具有显著保护作用,且对心血管系统无抑制作用。此外,我们早期的试验已阐明,在体外循环期间以 50% 氙气进行静态充气可减轻 Stanford A 型急性主动脉夹层的 ALI。然而,保护效果因时间有限而受到限制。为增强氙气的保护效果,我们设计了这项随机试验,即在体外循环前后各一小时使用 50% 氙气麻醉,并在体外循环期间分别以 50%、75% 和 100% 氙气进行肺静态充气。

【主题与分类】

主题标签:Acute Lung Injury。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02468531

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02468531

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:急性肺损伤。急性肺损伤(ALI)是Stanford A型主动脉夹层的重要并发症。已证实氙气对重要器官具有显著保护作用,且对心血管系统无抑制作用。此外,我们早期的试验已阐明,在体外循环期间以50%氙气进行静态充气可减轻Stanford A型急性主动脉夹层患者的ALI。然而,由于时间有限,其保护效果受到限制。为增强氙气的保护效果,我们设计了这项随机试验,即在体外循环前后各一小时采用50%氙气麻醉,并在体外循环期间分别以50%、75%和100%氙气进行肺静态充气。

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。

获取专属数据定制方案