使用HydroPearl微球经桡动脉入路栓塞手术的观察性研究

该数据集来自clinicaltrials.gov,为一项观察性注册研究,旨在收集真实世界患者接受HydroPearl微球经桡动脉入路栓塞手术后的手术成功率和并发症发生率数据

Terumo Medical CorporationTerumo Medical Corporation
clinicaltrials
浏览 20
表格预测Uterine FibroidArteriovenous MalformationsHypervascular TumorsBenign Prostatic Hyperplasia
An Observational Study of Radial Access Embolization Procedures Using HydroPearl Microspheres

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-08

资源简介

使用HydroPearl微球经桡动脉入路栓塞手术的观察性研究

该数据集来自clinicaltrials.gov,为一项观察性注册研究,旨在收集真实世界患者接受HydroPearl微球经桡动脉入路栓塞手术后的手术成功率和并发症发生率数据。覆盖的疾病包括Uterine Fibroid、Arteriovenous Malformations、Hypervascular Tumors和Benign Prostatic Hyperplasia。数据可用于评估该术式在真实临床环境中的表现,分析手术成功与并发症的相关因素,并支持介入治疗领域的预后预测与质量改进研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:Uterine Fibroid、Arteriovenous Malformations、Hypervascular Tumors、Benign Prostatic Hyperplasia。本注册研究旨在收集真实世界患者接受HydroPearl经桡动脉入路栓塞手术的手术成功率和并发症发生率数据。

【主题与分类】

主题标签:Uterine Fibroid、Arteriovenous Malformations、Hypervascular Tumors、Benign Prostatic Hyperplasia。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04272216

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04272216

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:子宫肌瘤、动静脉畸形、富血管肿瘤、良性前列腺增生。本注册研究旨在收集经桡动脉入路接受HydroPearl栓塞手术的真实世界患者的操作成功率和并发症发生率数据。

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。

获取专属数据定制方案