左束支区域起搏3D导航系统

该数据集来自clinicaltrials.gov,聚焦左束支区域起搏(LBBAP)与心力衰竭、心动过缓。数据包含来自TACTIC-CRT等研究的匿名影像,以及接受LBBAP患者的匿名心脏MRI、CT和透视影像

Guy's and St Thomas' NHS Foundation TrustGuy's and St Thomas' NHS Foundation Trust
clinicaltrials
浏览 14
医学影像目标检测Left Bundle Branch PacingHeart FailureBradycardia
Left Bundle Branch Area Pacing 3D Guidance System

基本信息

模态
医学影像
任务类型
目标检测
创建/更新时间
2026-10-10

资源简介

左束支区域起搏3D导航系统

该数据集来自clinicaltrials.gov,聚焦左束支区域起搏(LBBAP)与心力衰竭、心动过缓。数据包含来自TACTIC-CRT等研究的匿名影像,以及接受LBBAP患者的匿名心脏MRI、CT和透视影像。研究利用机器学习方法开发3D混合导航系统,用于检测起搏导线并重建其3D位置,并在回顾性收集的X射线透视图像上测试系统准确性。该数据可用于起搏导线检测、3D位置重建及相关导航算法研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:左束支起搏、心力衰竭、心动过缓。本研究将使用来自TACTIC-CRT(IRAS 250715)、心脏CT引导心脏再同步治疗(CRT)植入(IRAS 150161)研究的匿名影像数据(IRAS 150161),以及接受LBBAP患者的匿名心脏MRI、CT和透视影像数据,利用机器学习方法开发3D混合导航系统。所开发的3D混合导航系统将在接受LBBAP且具有心脏MRI的患者的匿名回顾性收集的X射线透视图像上进行测试。该3D混合导航系统将从回顾性匿名X射线透视图像中收集数据,检测起搏导线并重建起搏导线的3D位置,并测试3D混合导航系统的准确性。

【主题与分类】

主题标签:Left Bundle Branch Pacing、Heart Failure、Bradycardia。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/NCT06461715

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/NCT06461715

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:左束支起搏、心力衰竭、心动过缓。本研究将使用来自TACTIC-CRT(IRAS 250715)、心脏CT引导心脏再同步化治疗(CRT)植入(IRAS 150161)研究的匿名影像数据(IRAS 150161),以及接受LBBAP起搏患者的匿名心脏MRI、CT和透视影像数据,利用机器学习方法开发三维混合导航系统。所开发的三维混合导航系统将在接受LBBAP且具有心脏MRI的患者匿名回顾性收集的X射线透视图像上进行测试。该三维混合导航系统将从回顾性匿名X射线透视图像中采集数据,检测起搏导线并重建起搏导线的三维位置,并测试三维混合导航系统的准确性。

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