食管旁疝修补术中后直肌鞘裂孔加强
该数据集来自 clinicaltrials.gov,主题为食管旁疝修补术中后直肌鞘裂孔加强。源站描述指出,食管旁疝(PEH)修补是前肠外科医生面临的最具挑战性问题之一,尤其见于老年患者

基本信息
资源简介
食管旁疝修补术中后直肌鞘裂孔加强
该数据集来自 clinicaltrials.gov,主题为食管旁疝修补术中后直肌鞘裂孔加强。源站描述指出,食管旁疝(PEH)修补是前肠外科医生面临的最具挑战性问题之一,尤其见于老年患者。患者常因数十年慢性反流病及已知裂孔疝最终进展为完全胸内胃、并出现疑似胃扭转症状而接受手术。手术涉及广泛纵隔游离以还纳巨大疝囊、将胃食管交界处复位至腹腔,并在膈肌肌肉完整性减弱的老年患者中修补明显薄弱的缺损。PEH 修补的挑战是多方面的,包括在大面积薄弱膈肌缺损中直接闭合减弱的脚肌、缺乏足够筋膜层用于闭合缺损等(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:食管旁疝。前肠外科医生面临的最具挑战性问题之一,是老年患者中大型复杂食管旁疝(PEH)的修补。患者常在数十年慢性反流病和已知裂孔疝最终进展为完全胸内胃、并出现疑似胃扭转症状后前来手术。此类患者的手术涉及广泛纵隔游离以还纳巨大疝囊、将胃食管交界处重新定位至腹腔,然后在膈肌肌肉完整性减弱的老年患者中修补明显薄弱的缺损。PEH 修补的挑战是多方面的,包括在大面积薄弱膈肌缺损中直接闭合减弱的脚肌;缺乏足够的筋膜层用于闭合缺损;以及 avo
【主题与分类】
主题标签:Paraesophageal Hernia。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06551077
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/NCT06551077
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:食管旁疝。前肠外科医生面临的最具挑战性问题之一,是对老年患者进行大型复杂食管旁疝(PEH)修补术。患者往往在经历数十年慢性反流性疾病后就诊手术,已知的食管裂孔疝最终进展为完全性胸腔内胃,并伴有提示胃扭转的症状。此类患者的手术涉及广泛纵隔游离以还纳巨大疝囊,将胃食管连接部重新定位至腹腔,然后在膈肌肌肉完整性减弱的老年患者中修补显著薄弱的缺损。PEH修补术的挑战是多方面的,包括:在大型薄弱膈肌缺损中对减弱的脚肌进行一期缝合;缺乏可用的实质性筋膜层来关闭缺损;以及因网片收缩、吞咽困难和食管侵蚀的风险而避免使用永久性补片。虽然无张力修补是目标,但松弛切口、固定于后部结构及其他此类改良措施尚未被证明普遍有益。
前肠外科医生面临的最具挑战性的问题之一,是对老年患者进行巨大而复杂的食管旁疝(PEH)修补。研究者已证明,在部分患者中,于标准食管裂孔疝修补术后,初次使用一种新型永久性自体带血管蒂生物筋膜瓣来重建膈肌裂孔,可获得良好的结局和持久性。该技术被称为后鞘筋膜瓣裂孔加强术(PoRSHA),用于加强巨大(III型和IV型)及复发性PEH的裂孔修补。研究者认为,通过在裂孔缺损处使用患者自体带血管蒂且腹膜化的筋膜,PoRSHA能够以合成补片或直接修补无法实现的方式增强强度并恢复裂孔复合体的特性。尽管该技术的初步使用
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。




