腹腔镜与开腹ALPPS的临床结局及未来肝残余再生反应
该数据集来自clinicaltrials.gov,聚焦肝癌患者接受腹腔镜与开腹联合肝脏分隔和门静脉结扎二步肝切除术(ALPPS)后的临床结局及未来肝残余再生反应

基本信息
资源简介
腹腔镜与开腹ALPPS的临床结局及未来肝残余再生反应
该数据集来自clinicaltrials.gov,聚焦肝癌患者接受腹腔镜与开腹联合肝脏分隔和门静脉结扎二步肝切除术(ALPPS)后的临床结局及未来肝残余再生反应。源站描述提及ALPPS用于未来肝残余增量,早期主要适应证为双叶结直肠肝转移或其他非原发性肝肿瘤,2015年起玛丽医院肝胆胰外科团队将其用于肝炎相关肝细胞癌及小未来肝残余拟行大范围肝切除患者,并指出该术式曾因高术后并发症和死亡率受批评,后通过国际ALPPS注册登记和术式熟悉化使结局得到基准化和标准化。数据可用于比较两种术式的临床结局与再生反应(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肝癌。联合肝脏分隔和门静脉结扎二步肝切除术(ALPPS)近年来作为未来肝残余(FLR)增量的替代方法得到推广。该术式发展早期的主要适应证为双叶结直肠肝转移或其他非原发性肝肿瘤。自2015年起,玛丽医院肝胆胰外科团队开始将这一新术式转用于治疗肝炎相关肝细胞癌及拟行大范围肝切除的小未来肝残余患者。尽管最初全球对开展ALPPS热情高涨,但该术式因高术后并发症和死亡率而受到批评。然而,通过建立国际ALPPS注册登记和术式熟悉化,ALPPS的结局已得到基准化和标准化,其死亡
【主题与分类】
主题标签:Liver Cancer。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04868149
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/NCT04868149
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:肝癌。联合肝脏离断和门静脉结扎的分阶段肝切除术(ALPPS)近年来作为一种替代方法用于增加未来残肝体积(FLR)而得到推广。该技术发展早期的主要适应证为双叶结直肠癌肝转移或其他非原发性肝脏肿瘤。自2015年起,玛丽医院肝胆胰外科团队开始将这一新方法转用于治疗肝炎相关肝细胞癌及未来残肝体积较小、考虑行大范围肝切除术的患者。尽管最初全球对开展ALPPS热情高涨,但该手术因术后并发症发生率和死亡率较高而受到批评。然而,通过建立国际ALPPS登记系统以及对手术的熟悉,ALPPS的结局已得到基准评估和标准化,死亡率低于4%。ALPPS用于肝细胞癌的初步经验也有报道。随着经验的积累,与门静脉栓塞这一传统方法相比,ALPPS已成为一种安全有效的、用于手术调节FLR不足的治疗方法。
然而,ALPPS是一种通常涉及开腹手术的两阶段术式。但开腹手术带来的巨大手术应激会影响ALPPS第一阶段术后的疼痛控制和康复速度。另一方面,随着腹腔镜手术的快速发展,腹腔镜肝脏手术近年来已成为一种更为可行且更安全的手术方式。因此,微创入路成为ALPPS的一个有吸引力的选择,至少对于第一阶段手术而言是如此。关于腹腔镜ALPPS应用的数据仍然稀少,仅有一项研究报告了10例患者(主要为结直肠癌肝转移)的短期结局。鉴于ALPPS术后短期安全性特征及术中血流动力学变化
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。




