慢性硬膜下血肿清除术后高浓度氧治疗气颅
本数据集来自 clinicaltrials.gov,围绕慢性硬膜下血肿(CSDH)钻孔引流术后气颅问题,探讨高浓度氧疗对功能结局的疗效

基本信息
资源简介
慢性硬膜下血肿清除术后高浓度氧治疗气颅
本数据集来自 clinicaltrials.gov,围绕慢性硬膜下血肿(CSDH)钻孔引流术后气颅问题,探讨高浓度氧疗对功能结局的疗效。CSDH 并非良性疾病,复发需再次手术者并发症与死亡率较高;硬膜下引流可降低复发并改善功能结局。气颅在钻孔引流后十分常见,高流量氧疗在小样本病例系列中显示临床与影像学效果,但尚缺乏大型前瞻性对照试验验证其对功能结局的作用。双侧 CSDH 预后不同且结局更差。数据可用于复发风险与氧疗疗效相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性硬膜下血肿、复发、尖头畸形。慢性硬膜下血肿(CSDH)并非良性疾病。其发病率与死亡率较高,尤其是在需要再次手术的复发患者中。钻孔引流后使用硬膜下引流是一个很好的例证,表明通过减少 CSDH 复发,可以观察到功能结局的显著改善。气颅在 CSDH 钻孔引流后非常常见。高流量氧疗曾在小样本病例系列中被报道有效,在临床和影像学结局方面显示出效果。然而,尚无大型前瞻性对照试验来确立氧疗对 CSDH 钻孔引流后气颅患者功能结局的疗效。双侧 CSDH 具有不同的预后,且与更差的结局相关。
【主题与分类】
主题标签:Chronic Subdural Hematoma、Recurrence、Oxycephaly。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04725851
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/NCT04725851
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:慢性硬膜下血肿,复发,尖头畸形。慢性硬膜下血肿(CSDH)并非一种良性疾病。其发病率和死亡率均较高,尤其是在那些需要再次手术的复发病例中。钻孔引流术后使用硬膜下引流管是一个极好的例证,表明通过减少CSDH复发,可以观察到功能预后的显著改善。CSDH钻孔引流术后气颅非常常见。高流量氧疗曾在小型病例系列中被报道有效,显示出在临床和影像学结果方面的有效性。然而,尚无大型、前瞻性、对照试验来确立氧疗对CSDH钻孔引流术后气颅患者功能预后的疗效。双侧CSDH具有不同的预后,且与较差的结果相关。除治疗气颅外,围手术期氧疗还被建议用于尽量减少组织低氧血症和感染。在《新英格兰医学杂志》发表的一项研究中,围手术期补充氧疗被证明可减少手术部位感染。
高压氧治疗已显示是安全的,对功能性磁共振成像(fMRI)所测脑血流量(CBF)影响极小。研究问题1. 术后高流量氧气是否能减少慢性硬膜下血肿(CSDH)患者钻孔引流后的颅内积气体积?2. 如果氧气治疗后颅内积气体积减少,术后高流量氧气是否能降低CSDH的放射学复发率?3. 如果氧气治疗后颅内积气体积减少,术后高流量氧气是否能降低CSDH的临床复发率,即需要再次手术的症状性复发?4. 术后高流量氧气是否能改善CSDH患者在3个月和6个月时的改良Rankin量表(mRS)功能结局?假设对于术后CSDH患者,氧气治疗
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。




