TAVI 合并二尖瓣或三尖瓣反流患者管理算法的评估
该数据集来自 clinicaltrials.gov,围绕主动脉瓣狭窄合并二尖瓣或三尖瓣反流、接受经导管主动脉瓣植入术(TAVI)的患者,评估一种管理算法

基本信息
资源简介
TAVI 合并二尖瓣或三尖瓣反流患者管理算法的评估
该数据集来自 clinicaltrials.gov,围绕主动脉瓣狭窄合并二尖瓣或三尖瓣反流、接受经导管主动脉瓣植入术(TAVI)的患者,评估一种管理算法。覆盖的疾病包括主动脉瓣狭窄、二尖瓣反流、三尖瓣反流及 TAVI 相关情况。多瓣膜病变患者预后更差、治疗更困难,部分患者 TAVI 后二尖瓣或三尖瓣反流可因心脏功能改善而好转。该数据可用于研究此类患者的病情评估、管理决策与结局预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:主动脉瓣狭窄、二尖瓣反流、三尖瓣反流、经导管主动脉瓣植入术(TAVI)。主动脉瓣狭窄是指主动脉瓣变窄、无法正常开放,使心脏向全身泵血更加困难的一种疾病。经导管主动脉瓣植入术(TAVI)是一种微创手术,常用于治疗该病,尤其是老年患者或外科手术高风险患者。许多接受 TAVI 的患者同时存在二尖瓣和/或三尖瓣反流。这些瓣膜问题可引起气短、乏力、水肿、心力衰竭和反复住院等症状。多瓣膜疾病患者通常预后更差,也更难治疗。在一些患者中,二尖瓣或三尖瓣反流在 TAVI 后有所改善,因为心脏功能好转后
【主题与分类】
主题标签:Aortic Stenosis、Mitral Regurgitation、Tricuspid Regurgitation。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/NCT07623083
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/NCT07623083
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:主动脉瓣狭窄、二尖瓣反流、三尖瓣反流、经导管主动脉瓣植入术(TAVI)。主动脉瓣狭窄是指主动脉瓣变窄且无法正常打开,使心脏更难将血液泵送至全身。经导管主动脉瓣植入术(TAVI)是一种常用于治疗该疾病的微创手术,尤其适用于老年患者或外科手术高风险患者。许多接受TAVI的患者同时存在二尖瓣和/或三尖瓣反流。这些瓣膜问题可引起呼吸困难、疲劳、水肿、心力衰竭和反复住院等症状。患有多瓣膜疾病的患者通常预后更差,且治疗更为困难。部分患者在TAVI后二尖瓣或三尖瓣反流有所改善,因为主动脉瓣得到治疗后心脏功能好转。然而,在其他患者中,反流仍然严重,并持续影响其健康和生活质量。
目前已有新的微创治疗方法可用于修复或置换二尖瓣和三尖瓣,但医生仍不清楚这些手术的最佳顺序或时机。本研究旨在评估一种针对重度主动脉瓣狭窄合并显著二尖瓣和/或三尖瓣反流患者的治疗算法。所提出的方法遵循当前临床指南,并采用逐步策略。患者将首先接受TAVI,随后对二尖瓣和三尖瓣进行重新评估。如果TAVI后仍有重要的瓣膜反流持续存在,可考虑额外的微创手术来治疗二尖瓣或三尖瓣。该研究将纳入重度主动脉瓣狭窄合并中度至重度或重度二尖瓣和/或三尖瓣反流的患者。研究人员将在随访期间收集有关患者症状、心脏影像学结果、手术、住院情况、生活质量和临床结局的信息。该研究的主要目标是评估这种分期治疗方法是否安全、可行且有效。
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。




