评估在线caIMR在STEMI患者中有效性与安全性的临床试验
该数据集来自clinicaltrials.gov,聚焦于微血管冠状动脉疾病与STEMI患者,评估在线caIMR的有效性与安全性

基本信息
资源简介
评估在线caIMR在STEMI患者中有效性与安全性的临床试验
该数据集来自clinicaltrials.gov,聚焦于微血管冠状动脉疾病与STEMI患者,评估在线caIMR的有效性与安全性。源站描述指出,尽管PPCI可恢复心外膜血流,约半数STEMI患者仍存在心肌再灌注失败,表现为微血管阻塞和心肌内出血。现有测量技术存在非实时、耗时长、价格高及钆对比剂潜在风险等缺陷。IMR是一种基于导丝的即时评估微血管功能障碍的方法,已用于表征MVO,并与梗死面积、后续心源性死亡和心力衰竭相关(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:微血管冠状动脉疾病、STEMI。尽管直接经皮冠状动脉介入治疗(PPCI)成功恢复了心外膜血流,但约一半的ST段抬高型心肌梗死(STEMI)患者仍存在心肌再灌注失败,表现为微血管阻塞(MVO)和心肌内出血(IMH)。当前的测量技术存在许多缺陷,例如非实时、测量时间长、价格高、钆对比剂的潜在风险。微循环阻力指数(IMR)是一种 readily available、基于导丝的方法,用于在STEMI支架植入后立即评估微血管功能障碍。该参数已被用于表征MVO,与梗死面积以及随后的心源性死亡和心力衰竭相关。然而,IMR在临床实践中的应用
【主题与分类】
主题标签:Microvascular Coronary Artery Disease、STEMI。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06118450
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/NCT06118450
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
疾病:微血管冠状动脉疾病、STEMI。尽管直接经皮冠状动脉介入治疗(PPCI)成功恢复了心外膜血流,但约有一半的ST段抬高型心肌梗死(STEMI)患者存在心肌再灌注失败,表现为微血管阻塞(MVO)和心肌内出血(IMH)。当前的测量技术存在诸多缺陷,如不及时、测量时间长、价格高昂、钆对比剂的潜在风险。微循环阻力指数(IMR)是一种简便易行、基于导丝的方法,可在STEMI支架植入后立即评估微血管功能障碍。该参数已用于表征MVO,与梗死面积以及随后的心源性死亡和心力衰竭相关。然而,IMR在临床实践中的应用仍然有限,主要原因是需要压力-温度传感器导丝和充血药物,这增加了复杂性和时间。功能性冠状动脉造影的发展使得仅基于造影即可估算IMR。
冠状动脉造影衍生的微血管阻力指数(caIMR)与基于导丝的侵入性IMR相比,已显示出良好的诊断准确性。这一简便的替代指标显示与MVO范围相关,并具有预后重要性。在本试验中,研究者旨在验证caIMR在接受了直接PCI的STEMI患者中的安全性和有效性。研究者将立即测量成功接受pPCI患者的caIMR,并将caIMR与长期预后相结合,以验证caIMR的预后性能。
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。




