静脉窦缺损的最优治疗
该数据集来自 clinicaltrials.gov,主题为静脉窦缺损(Sinus Venosus Defect)的最优治疗,属于循环系统疾病与心力衰竭分类

基本信息
资源简介
静脉窦缺损的最优治疗
该数据集来自 clinicaltrials.gov,主题为静脉窦缺损(Sinus Venosus Defect)的最优治疗,属于循环系统疾病与心力衰竭分类。数据覆盖先天性心脏病及静脉窦房间隔缺损患者,涉及治疗前评估流程,包括CT与MRI检查、6分钟步行试验、心肺功能检查、Holter和ECG,以及CT图像的3D重建和多学科会诊评估手术与经导管治疗资格。可用于研究静脉窦缺损患者的治疗决策、手术与介入治疗适用性预测及相关临床特征分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:静脉窦缺损、先天性心脏病、静脉窦房间隔缺损。OPTIVENOSUS 将提供给接受静脉窦缺损矫正的患者。将开具治疗前评估,包括 CT 扫描和 MRI,随后进行补充评估,包括 6 分钟步行试验、功能性心肺检查、Holter 和 ECG。此外,治疗前评估期间进行的 CT 扫描图像将被传输到经批准用于托管健康数据的安全平台。这些图像将进行 3D 重建。然后,由儿科心脏病专家、成人先天性心脏病专家、外科医生和介入心脏病专家举行的多学科会诊会议将评估患者是否不适合手术以及患者是否有资格接受经导管治疗。
【主题与分类】
主题标签:Sinus Venosus Defect、Congenital Heart Disease、Sinus Venosus Atrial Septum Defect。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/NCT05865119
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/NCT05865119
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
条件:静脉窦缺损、先天性心脏病、静脉窦型房间隔缺损。OPTIVENOSUS将提供给接受静脉窦缺损矫正术的患者。将开具治疗前评估,包括CT扫描和MRI,随后进行补充评估,包括6分钟步行试验、功能性心肺检查、Holter和ECG。此外,治疗前评估期间进行的CT扫描图像将被传输至经批准用于托管健康数据的安全平台。这些图像将进行3D重建。随后将举行由儿科心脏病专家、成人先天性心脏病专家、外科医生和介入心脏病专家参加的多学科会诊会议,根据影像学检查和临床评估,评估患者是否不适合手术以及是否有资格接受经导管静脉窦缺损矫正术。在此次会议期间,影像核心实验室和专家将就血管内手术的可行性发表意见。
被认为不适合手术的标准将包括 * 合并症 * 并发症(心律紊乱、心力衰竭、肺动脉高压)。 * 患者年龄 * 解剖结构因素 被认为适合经皮治疗的标准是: * 不适合手术 * 具有相容解剖结构的成年患者(异常肺静脉回流上缘与无名静脉干下缘之间的距离 > 2cm,允许在SVD中充分附着支架;房间隔缺损直径 >10mm,允许异常肺静脉回流血液无限制地重定向至左心房,并且异常肺静脉的位置允许在数字模拟中通过支架将血流重定向至左心房而不受阻塞)。这3个要素将在注射扫描仪上进行分析,然后通过扫描仪模拟、3D打印模型和模拟
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。




