腹腔镜近端胃切除术后λ+α双通道重建初步疗效分析

该数据集来自 clinicaltrials.gov,聚焦胃癌与反流性食管炎,围绕腹腔镜近端胃切除术后“λ+α”双通道重建的初步疗效分析

Northern Jiangsu People's HospitalNorthern Jiangsu People's Hospital
clinicaltrials
浏览 9
其他Gastric CancerReflux Esophagitis
Preliminary Efficacy Analysis of 'λ+α' Double-Tract Reconstruction After Laparoscopic Proximal Gastrectomy

基本信息

模态
其他
创建/更新时间
2026-10-17

资源简介

腹腔镜近端胃切除术后λ+α双通道重建初步疗效分析

该数据集来自 clinicaltrials.gov,聚焦胃癌与反流性食管炎,围绕腹腔镜近端胃切除术后“λ+α”双通道重建的初步疗效分析。源站描述指出近端胃癌发病率近年显著上升,可能与体重增加、饮酒、胃食管反流病及癌前病变有关;随着对淋巴结转移规律认识的深入和抗反流术式的出现,近端胃切除术逐渐受到临床关注。对于预后较好的早期上胃癌及食管胃结合部癌病例,理想术式应保留远端胃以改善生活质量,并选择合理的消化道重建方式预防反流。数据可用于评估不同近端胃切除消化道重建方式的抗反流效果及术式优缺点(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:胃癌、反流性食管炎。近年来近端胃癌的发病率显著上升。这可能与体重增加、饮酒、胃食管反流病(GERD)及癌前病变有关。随着对淋巴结转移规律的深入理解以及抗反流术式的出现,近端胃切除术逐渐受到临床关注。对于预后较好的早期上胃癌及食管胃结合部癌病例,理想的手术方式应是保留远端胃以改善生活质量,并选择合理的消化道重建方式以预防反流。各种近端胃切除消化道重建方式的抗反流效果以及各种手术方式的优缺点

【主题与分类】

主题标签:Gastric Cancer、Reflux Esophagitis。本站分类:肿瘤/胃癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06475170

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/NCT06475170

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:胃癌、反流性食管炎。近年来,近端胃癌的发病率显著增加。这可能与体重增加、饮酒、胃食管反流病(GERD)及癌前病变有关。随着对淋巴结转移规律的深入认识以及抗反流术式的出现,近端胃切除术逐渐受到临床关注。对于早期上胃癌及预计预后良好的食管胃结合部癌病例,理想的手术方式应是在保留远端胃以提高生活质量的同时,选择合理的消化道重建方式以预防反流。各种近端胃切除术消化道重建方式的抗反流效果及各术式的优缺点尚存争议,公认的理想重建方式尚未确立。

因此,基于胃的解剖特征及间置空肠的抗反流机制,我们提出了一种用于消化道重建的真正双通道吻合术,即“λ+α双通道吻合”。本研究旨在探讨近端胃切除术联合“λ+α双通道吻合”治疗早期胃癌的疗效与安全性。

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