评估经导管主动脉瓣中瓣植入术后叶瓣血栓风险的数值模型
包含五种数值方法评估经导管主动脉瓣中瓣植入术后叶瓣血栓风险的计算流体动力学仿真数据。
基本信息
资源简介
评估经导管主动脉瓣中瓣植入术后叶瓣血栓风险的数值模型
【数据集背景】
本数据集源站标题为《Data from: Numerical models for assessing the risk of leaflet thrombosis post-transcatheter aortic valve-in-valve implantation》。
【数据内容】
源站原始描述：Leaflet thrombosis has been suggested as the reason for the reduced leaflet motion in cases of hypoattenuated leaflet thickening of bioprosthetic aortic valves. This work aimed to estimate the risk of leaflet thrombosis in two post-ViV configurations, using five different numerical approaches. Realistic ViV configurations were calculated by modeling the deployments of the latest version of transcatheter aortic valve devices (Medtronic Evolut PRO, Edwards SAPIEN 3) in the surgical Sorin Mitroflow…
中文译文（机器翻译，仅供快速理解，请以原文为准）：瓣叶血栓形成被认为是生物瓣主动脉瓣低衰减瓣叶增厚病例中瓣叶运动减弱的原因。本研究旨在采用五种不同的数值方法，评估两种瓣中瓣（ViV）术后构型中瓣叶血栓形成的风险。通过建模最新版经导管主动脉瓣装置（Medtronic Evolut PRO、Edwards SAPIEN 3）在外科Sorin Mitroflow瓣膜中的植入，计算得到真实的ViV构型。血流计算流体动力学模拟基于干模型进行。分别通过颗粒追踪和浓度追踪实施近壁停滞的拉格朗日与欧拉度量，以评估致血栓性并预测风险位置。大多数数值方法提示，Edwards SAPIEN 3装置因环内植入而具有更高的瓣叶血栓形成风险。欧拉方法估计的高风险位置与WSS分离点一致。另一方面，拉格朗日方法预测的高风险位置位于瓣叶近端区域，与两种TAVI模型的低WSS幅值区域以及已报道的临床和实验数据相符。所提出的方法有助于优化未来经导管主动脉瓣的设计，以将血栓风险降至最低。
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.31zcrjdjg。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.31zcrjdjg
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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：http://datadryad.org/dataset/doi%253A10.5061%252Fdryad.31zcrjdjg
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
