脉冲射频治疗慢性腰神经根性疼痛疗效评估数据集
该数据集来自 clinicaltrials.gov,聚焦脉冲射频治疗慢性腰神经根性疼痛的疗效评估。研究对象为在 St Joseph-East End Pain Clinic 筛查、慢性腰神经根病病程至少 4 个月的患者,依据病史、临床检查及近 4 个月内腰椎 CT 或 MRI 显示的与症状一致的病理

基本信息
资源简介
脉冲射频治疗慢性腰神经根性疼痛疗效评估数据集
该数据集来自 clinicaltrials.gov,聚焦脉冲射频治疗慢性腰神经根性疼痛的疗效评估。研究对象为在 St Joseph-East End Pain Clinic 筛查、慢性腰神经根病病程至少 4 个月的患者,依据病史、临床检查及近 4 个月内腰椎 CT 或 MRI 显示的与症状一致的病理改变确定诊断与治疗靶点,并按临床发现选择目标脊髓节段(如仅针对 L4 DRG)。数据可用于慢性疼痛与背痛相关研究及介入治疗疗效分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性疼痛、背痛。方法与技术:患者将在 St Joseph-East End Pain Clinic 接受筛查,以确定慢性腰神经根病(CLR)病程至少 4 个月。根据病史和临床检查,作出累及一个或多个脊髓节段的 CLR 诊断并记录。如果近 4 个月内进行的腰椎 CT 或 MRI 显示与患者临床症状一致的病理改变,则该患者被认为符合研究条件。治疗靶向的脊髓节段将基于临床发现确定,例如,若患者表现出右侧 L4 神经根病的体征和症状,且 MRI 显示 L4-5 和 L5-S1 均有右侧旁中央型椎间盘突出,则仅 targeting L4 DRG。符合纳入标准的患者将被告知研究的性质、涉及的干预措施以及
【主题与分类】
主题标签:Chronic Pain、Back Pain。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/NCT01117870
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/NCT01117870
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:慢性疼痛、背痛。方法与技术:患者将在圣约瑟夫东端疼痛诊所接受筛查,以确定患有病程至少4个月的慢性腰骶神经根病(CLR)。根据病史和临床检查,作出并记录涉及一个或多个脊柱节段的CLR诊断。如果过去4个月内进行的腰椎CT或MRI显示与患者临床症状一致的病理改变,则该患者被认为符合研究入选条件。治疗靶向的脊柱节段将基于临床发现确定,例如,若患者表现出右侧L4神经根病的体征和症状,且MRI显示L4-5和L5-S1均有右侧旁中央型椎间盘突出,则仅以L4 DRG为靶点。符合纳入标准的患者将被告知研究的性质、所涉及的干预措施及可能出现的并发症,随后签署知情同意书。入选患者将按照所选方法进行随机分组,并按照先前随机化的顺序纳入研究。
他/她还将与评估者会面(评估者对干预措施不知情)——评估者将记录患者的基线参数,并收集基线Oswestry评分表,同时记录其他参数。在试验中,患有双侧神经根病的患者将针对其受影响最严重的一侧接受治疗。一侧超过一个节段出现CLR的患者,将采用相同技术对所有受累节段进行治疗,并在本研究中计为一次操作或干预。所有手术室(OR)人员,包括实施干预的医生和患者,均对随机分组和治疗分配不知情。分组代码及实际治疗情况仅由操作射频机的人员知晓。只有射频技师能够看到射频机的工作详情,且机器提示音被关闭。这确保了除射频技师外所有相关人员的盲法。
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。




