软骨支撑移植物鼻中隔成形术治疗尾端鼻中隔偏曲
本数据集来自 clinicaltrials.gov,聚焦尾端鼻中隔偏曲患者接受软骨支撑移植物鼻中隔成形术的前瞻性研究,计划纳入15例有手术指征的患者

基本信息
资源简介
软骨支撑移植物鼻中隔成形术治疗尾端鼻中隔偏曲
本数据集来自 clinicaltrials.gov,聚焦尾端鼻中隔偏曲患者接受软骨支撑移植物鼻中隔成形术的前瞻性研究,计划纳入15例有手术指征的患者。术前评估涵盖病史、NOSE评分、鼻塞VAS评分、前鼻镜检查、鼻内镜检查、基底位照片及鼻窦CT,以确认偏曲并排除其他病变。手术在全麻下进行,包括凹侧半贯穿切口、黏膜软骨膜瓣抬起、对侧瓣抬起、软骨膜下分离至鼻底等步骤。数据可用于鼻中隔偏曲手术疗效预测与评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:鼻中隔偏曲。将开展一项纳入15例有鼻中隔成形术指征患者的前瞻性研究。术前评估:病史 NOSE(鼻塞鼻中隔成形术疗效评分):NOSE评分越高表示鼻塞越严重(范围:0-100)。 鼻塞视觉模拟量表(VAS)(0-10):用于鼻塞。检查: 前鼻镜检查:确认尾端鼻中隔偏曲。 鼻内镜检查:排除HIT、息肉、肿块和分泌物。 基底位照片。 鼻及鼻窦CT以排除其他病变。手术操作: 全身麻醉。 凹侧半贯穿切口 将抬起鼻中隔的黏膜软骨膜瓣 将从软骨尾端抬起对侧瓣 软骨膜下分离进入鼻底 弯曲部分
【主题与分类】
主题标签:Nasal Septal Deviation。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04579042
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/NCT04579042
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:鼻中隔偏曲。将开展一项前瞻性研究,纳入15名有鼻中隔成形术指征的患者。术前评估:病史 * NOSE(鼻阻塞鼻中隔成形术疗效评分):NOSE评分越高表明鼻阻塞越严重(范围:0-100)。 * 鼻阻塞视觉模拟评分(VAS)(0-10):用于鼻阻塞。检查: * 前鼻镜检查:确认尾端鼻中隔偏曲。 * 鼻内镜检查:排除HIT、息肉、肿块和分泌物。 * 基底位照片。 * 鼻及鼻窦CT以排除其他病变。手术操作: * 全身麻醉。 * 在凹侧作半贯通切口 * 将掀起鼻中隔的黏软骨膜瓣 * 将从软骨尾端掀起对侧瓣 * 向鼻底进行软骨膜下分离 * 通过切除获取鼻中隔软骨的弯曲部分,保留背侧和尾端鼻中隔软骨的L形支架 * 用获取的鼻中隔软骨制作尾端鼻中隔支撑移植物,然后用三或四针缝合(5-0聚二氧环己酮缝线)。
- 若无成角或脱位,仅为C形尾侧偏斜,则在凹侧固定软骨支撑移植物
- 若尾侧鼻中隔末端成角,则用剪刀在最凸点处沿头尾方向剪开尾侧支撑杆。将过长的下、上尾侧支撑杆重叠,并与支撑移植物一起缝合
- 若发生脱位,则将鼻中隔软骨从前鼻棘(ANS)和上颌嵴分离以重新定位。若有过多软骨部分,则将其切除,然后缝合移植物
- 用5-0 Vicryl线关闭半贯穿切口
- 在两侧放置鼻腔内夹板和前鼻孔填塞物
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。




