经口内镜食管肌切开术中内镜黏膜下剥离的电外科模式

该数据集来自 clinicaltrials.gov,聚焦经口内镜食管肌切开术(POEM)中内镜黏膜下剥离所采用的电外科模式

Cairo UniversityCairo University
clinicaltrials
浏览 13
视频AchalasiaAchalasia Cardia
Electrosurgical Modes for Endoscopic Submucosal Dissection in Peroral Endoscopic Esophageal Myotomy

基本信息

模态
视频
创建/更新时间
2026-10-07

资源简介

经口内镜食管肌切开术中内镜黏膜下剥离的电外科模式

该数据集来自 clinicaltrials.gov,聚焦经口内镜食管肌切开术(POEM)中内镜黏膜下剥离所采用的电外科模式。POEM 依赖建立黏膜下隧道以暴露食管肌并完成肌切开,黏膜下剥离可使用多种电外科模式,其中 Spray coagulation 因凝血能力强且被认为安全而受部分内镜医师青睐,Precisect 模式则具有组织穿透极浅、几乎无碳化的理论优势。该试验比较两种电外科模式在 POEM 中的有效性与安全性,可用于消化系统疾病相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:贲门失弛缓症、贲门失弛缓症。经口内镜食管肌切开术(POEM)是一种第三空间内镜技术,依赖于创建黏膜下隧道以暴露食管肌并最终完成食管肌切开。黏膜下剥离可使用多种电外科模式。Spray coagulation 因具有高凝血能力且被认为安全,已被许多内镜医师经验性地青睐。最近,Precisect 模式已被开发出来,其理论优势是组织穿透极浅、碳化效应极小甚至没有。在本试验中,研究者比较两种电外科模式在 POEM 手术中的有效性与安全性。

【主题与分类】

主题标签:Achalasia、Achalasia Cardia。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06189859

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/NCT06189859

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:贲门失弛缓症,贲门失弛缓症。经口内镜下食管肌切开术(POEM)是一种第三空间内镜技术,依赖于创建黏膜下隧道以暴露食管肌肉,并最终进行食管肌切开。黏膜下剥离可使用多种电外科模式进行。喷射凝固因其高凝固力和被认为的安全性,被许多内镜医师经验性地青睐。最近,Precisect模式已被开发,其理论优势在于极小的组织穿透和极小至无的碳化效应。在本试验中,研究者比较了两种电外科模式在POEM手术中的有效性和安全性。

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