使用Tritanium® C前路颈椎融合器进行单或双节段前路颈椎间盘切除融合术
该数据集来自clinicaltrials.gov,聚焦颈椎退行性疾病,包括颈椎间盘突出、颈椎间盘退变及退行性椎间盘疾病。数据涉及一项前瞻性单臂临床研究,评估使用Stryker Tritanium® C前路颈椎椎间融合器在单或双连续节段进行前路颈椎间盘切除融合术(ACDF)后的融合状态与患者报告结局,

基本信息
资源简介
使用Tritanium® C前路颈椎融合器进行单或双节段前路颈椎间盘切除融合术
该数据集来自clinicaltrials.gov,聚焦颈椎退行性疾病,包括颈椎间盘突出、颈椎间盘退变及退行性椎间盘疾病。数据涉及一项前瞻性单臂临床研究,评估使用Stryker Tritanium® C前路颈椎椎间融合器在单或双连续节段进行前路颈椎间盘切除融合术(ACDF)后的融合状态与患者报告结局,受试者为C2-T1节段间被推荐接受1或2节段ACDF手术的患者。可用于研究颈椎融合术后的融合效果及患者预后相关因素(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:颈椎间盘突出、颈椎间盘退变、退行性椎间盘疾病。颈椎(颈部)脊柱的退行性椎间盘疾病发生在椎体之间的椎间盘因随时间磨损而开始退化或破裂时。一旦出现症状并引起颈部疼痛和神经根病(手臂疼痛、无力和/或麻木),即可诊断为该病。为了矫正受损椎间盘并解决神经根症状,通常进行前路颈椎间盘切除融合术。这是一项前瞻性、单臂临床研究,旨在评估使用Stryker Tritanium® C前路颈椎椎间融合器在单或双连续节段时的融合状态和患者报告结局。受试者为被推荐接受C2-T1节段间1或2节段ACDF(前路颈椎间盘切除融合术)手术治疗的患者。
【主题与分类】
主题标签:Cervical Disc Herniation、Cervical Disc Degeneration、Degenerative Disc Disease。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04214535
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/NCT04214535
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:颈椎间盘突出、颈椎间盘退变、退行性椎间盘疾病。颈椎(颈部)退行性椎间盘疾病是指椎体骨之间的椎间盘因长期磨损而开始退化或破裂。当出现症状并引起颈部疼痛和神经根病(手臂疼痛、无力和/或麻木)时,即可作出该诊断。为了修复受损的椎间盘并解决神经根症状,通常进行颈椎前路椎间盘切除融合术。这是一项前瞻性、单臂临床研究,旨在评估使用Stryker Tritanium® C颈椎前路椎间融合器在一个或两个相邻节段的融合状态和患者报告结局。对于被推荐在C2-T1节段之间接受1节段或2节段ACDF(颈椎前路椎间盘切除融合术)手术治疗且被诊断为退行性椎间盘疾病的受试者,将进行研究筛选。受试者将在术后按标准诊疗在6周、3个月、6个月、12个月和24个月时在私人诊所或医院门诊进行随访。
主要终点为:通过12个月时的动态(屈伸)X线和CT扫描(采用金属减影技术)评估颈椎融合成功,并满足以下三项标准:骨性桥接、无透亮区存在,以及治疗节段无假关节形成。
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。




