OPTIMISER注册研究:急性心肌梗死患者最佳管理与结局的前瞻性队列研究
该数据集来自clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,聚焦急性心肌梗死(含STEMI与NSTEMI)及心肌缺血患者

基本信息
资源简介
OPTIMISER注册研究:急性心肌梗死患者最佳管理与结局的前瞻性队列研究
该数据集来自clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,聚焦急性心肌梗死(含STEMI与NSTEMI)及心肌缺血患者。源站描述涵盖接受PCI和/或CABG者的围术期结局(如TIMI血流、支架膨胀、夹层、穿孔、血栓)以及短期和长期临床结局(如新发心梗、支架血栓、靶病变失败、血运重建、心衰、心源性休克、卒中、出血和死亡),并涉及多种球囊、支架与 scaffold 器械的操作与临床表现。可用于分析或预测急性心梗介入治疗后的并发症与结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心肌梗死、心肌缺血、STEMI、NSTEMI。 评估因AMI(STEMI或NSTEMI)接受PCI和/或CABG者的操作成功率和临床结局。1. 将分析的围术期结局/并发症包括:最终结果(如TIMI血流)、支架膨胀、夹层、穿孔、血栓发生率(通过血管造影和血管内成像评估)。2. 关注的短期和长期临床结局包括:新发AMI、不稳定型心绞痛(UA)、支架/ scaffold 血栓形成、靶病变失败、靶血管血运重建、缺血驱动的血运重建、再住院、新发/加重的心力衰竭、心源性休克、卒中、出血、心血管死亡和全因死亡。 描述植入患者体内的各种球囊、支架和 scaffold 器械的操作和临床性能。
【主题与分类】
主题标签:Myocardial Infarction、Myocardial Ischemia、STEMI、NSTEMI。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/NCT04988672
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/NCT04988672
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:心肌梗死、心肌缺血、STEMI、NSTEMI。* 评估因AMI(STEMI或NSTEMI)接受PCI和/或CABG治疗的AMI患者的手术成功率和临床结局。1. 将分析的围手术期结局/并发症包括:最终结果(如TIMI血流)、支架扩张、夹层、穿孔、血栓检出率(通过血管造影和血管内成像评估)。2. 关注的短期和长期临床结局包括:新发AMI、不稳定型心绞痛(UA)、支架/ scaffold血栓形成、靶病变失败、靶血管血运重建、缺血驱动的血运重建、再住院、新发/加重的心力衰竭、心源性休克、卒中、出血、心血管死亡和全因死亡。
- 描述在上述期间因急性心肌梗死(AMI)就诊并植入各种球囊、支架和 scaffold 装置的患者的手术操作和临床性能
- 研究在接受 PCI 的患者中,用于病变准备和 PCI 优化策略的不同装置和策略的影响
- 描述接受各种金属支架和 scaffold 装置治疗的 AMI 患者冠状动脉疾病的早期和晚期血管造影及 OCT 表现
- 评估冠状动脉支架植入或装置失败的潜在预测因素
- 评估不同抗血栓治疗方案对患者临床结局的影响
- 研究需要机械装置进行血流动力学支持的 CAD 患者的手术操作和临床结局
- 描述各种 CAD 介入治疗的经济影响(成本效益)
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。




