特定CLTI人群中的血管回弹研究
该数据集来自clinicaltrials.gov,聚焦慢性肢体威胁性缺血(CLTI)这一外周动脉疾病(PAD)最晚期阶段,覆盖伴有终末期肾病和/或糖尿病的高危PAD人群

基本信息
资源简介
特定CLTI人群中的血管回弹研究
该数据集来自clinicaltrials.gov,聚焦慢性肢体威胁性缺血(CLTI)这一外周动脉疾病(PAD)最晚期阶段,覆盖伴有终末期肾病和/或糖尿病的高危PAD人群。数据涉及膝下动脉血管重建治疗中面临的钙化、小血管尺寸、长病变长度和早期弹性回缩等挑战。可用于分析CLTI患者的血管回弹特征、评估血管重建疗效及高危人群的截肢与死亡风险,为内分泌与代谢疾病尤其是糖尿病相关血管并发症研究提供支持(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性肢体威胁性缺血。慢性肢体威胁性缺血(CLTI)代表外周动脉疾病(PAD)的最晚期阶段,其特征为缺血性静息痛、不愈合伤口或缺血性坏疽。高危PAD人群,包括终末期肾病患者和/或糖尿病患者,其预后也更差,截肢率和死亡率显著升高。尽管部分PAD患者最适合接受药物治疗、运动与生活方式调整相结合的综合管理,但对于疾病晚期患者,尤其是存在CLTI时,血管重建是指征。大多数CLTI患者需要膝下(BTK)动脉血管重建,但治疗面临诸多挑战,包括钙化、小血管尺寸、长病变长度和早期弹性回缩。
【主题与分类】
主题标签:Chronic Limb Threatening Ischemia。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07465627
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/NCT07465627
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:慢性肢体威胁性缺血。慢性肢体威胁性缺血(CLTI)代表外周动脉疾病(PAD)的最晚期阶段,其特征为缺血性静息痛、不愈合伤口或缺血性坏疽。高风险PAD人群,包括终末期肾病患者和/或糖尿病患者,其预后也更差,截肢率和死亡率显著增加。尽管部分PAD患者最适合采用药物治疗、运动及生活方式调整相结合的方式,但对于疾病晚期患者,尤其是存在CLTI时,则需进行血运重建。大多数CLTI患者需要对膝下(BTK)动脉进行血运重建,但治疗面临诸多挑战,包括钙化、血管尺寸小、病变长度长以及早期弹性回缩。针对这些挑战,过去几十年间已研发出众多创新技术和器械,以优化BTK血管的腔内治疗。
Spur外周可回收支架系统(Spur)的研发旨在直接解决膝下动脉疾病的诸多上述缺陷。Spur的设计理念是提供临时性机械支撑,并通过部署的Spur在内皮上创建通道,为药物涂层球囊(DCB)治疗做好准备,从而增强药物吸收。本研究的目标是开展一项前瞻性、单中心、单臂、非随机研究,评估在特定患者群体中使用Spur可回收支架系统联合市售DCB进行膝下(BTK)治疗后的急性血管回缩情况。选择参与本研究的特定患者群体为:因病变高度复杂而使用标准技术可能面临不良结局高风险的患者,和/或在现有研究中未得到充分反映的患者。
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。




