PRECISE PRO Rx 颈动脉疾病 PMCF 研究

REAL-PRECISE 研究为多中心、非随机、观察性分析,基于接受该支架系统治疗受试者的回顾性数据,评估其长期(5 年)安全性与性能

Cordis US Corp.Cordis US Corp.
clinicaltrials
浏览 9
其他分类Carotid Artery Stenosis
PMCF Study of Precise Pro Rx for Carotid Artery Disease

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-10

资源简介

PRECISE PRO Rx 颈动脉疾病 PMCF 研究

该数据集来自 clinicaltrials.gov,主题为 PRECISE PRO Rx Nitinol Stent System 用于颈动脉狭窄病变的 PMCF 研究。REAL-PRECISE 研究为多中心、非随机、观察性分析,基于接受该支架系统治疗受试者的回顾性数据,评估其长期(5 年)安全性与性能。研究在最多 15 个欧洲研究中心、约 3 个高使用量国家开展,入组与数据收集约需 4 至 6 个月。数据可用于颈动脉狭窄介入治疗的安全性、性能及长期结局相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:颈动脉狭窄。REAL-PRECISE 研究是一项多中心、非随机、观察性分析,基于接受 PRECISE PRO Rx Nitinol Stent System 治疗的受试者的回顾性数据。本研究的目的是评估 PRECISE PRO Rx Nitinol Stent System 在颈动脉狭窄病变受试者中的长期(5 年)安全性和性能。该研究在最多 15 个欧洲研究中心、约 3 个 PRECISE PRO Rx 使用量高的国家开展。入组和数据收集大约需要 4-6 个月。

【主题与分类】

主题标签:Carotid Artery Stenosis。本站分类:心血管系统疾病/颈动脉疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07204678

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/NCT07204678

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

疾病:颈动脉狭窄。REAL-PRECISE研究是一项多中心、非随机、观察性分析,回顾性收集了接受PRECISE PRO Rx镍钛合金支架系统治疗的受试者数据。本研究的目的是评估PRECISE PRO Rx镍钛合金支架系统在颈动脉狭窄病变受试者中的长期(5年)安全性和性能。该研究在欧洲多达15个研究中心开展,覆盖约3个PRECISE PRO Rx使用量较大的国家。入组和数据收集大约需要4-6个月。

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