ONYX 在颅内硬脑膜动静脉瘘血管内治疗中的评估
该数据集来自 clinicaltrials.gov，主题为 ONYX 在颅内硬脑膜动静脉瘘血管内治疗中的评估，属于神经系统疾病与脑血管畸形范畴
基本信息
资源简介
ONYX 在颅内硬脑膜动静脉瘘血管内治疗中的评估
该数据集英文名为 ONYX Evaluation in the Endovascular Treatment of Intracranial Dural Arteriovenous Fistulae，来源于 clinicaltrials.gov，主题聚焦于 ONYX 在颅内硬脑膜动静脉瘘血管内治疗中的评估。按照本站分类，它归属于神经系统疾病 / 脑血管畸形方向，主题标签为 Arteriovenous Fistula。源站描述指出，其研究条件为动静脉瘘，研究目标在于评估使用 Onyx 完成最后一次栓塞后的安全性与性能表现。整体来看，该数据集围绕颅内硬脑膜动静脉瘘这一脑血管畸形疾病，记录了与 Onyx 血管内治疗相关的临床研究信息，可供关注神经介入治疗、脑血管畸形管理以及栓塞材料应用的研究人员参考。
【数据集背景】
颅内硬脑膜动静脉瘘属于脑血管畸形的一种，通常涉及动脉与静脉之间的异常沟通。血管内治疗是此类病变的重要处理方式之一，而栓塞材料的选择与操作效果直接关系到治疗的安全性和有效性。该数据集所对应的研究，正是围绕 Onyx 这一栓塞材料在颅内硬脑膜动静脉瘘血管内治疗中的应用展开，重点考察完成最后一次栓塞之后的安全性与性能。源站将其条件标注为动静脉瘘，主题标签同样指向 Arteriovenous Fistula，说明其核心关注点集中在动静脉瘘的介入治疗领域。本站将其归入神经系统疾病 / 脑血管畸形分类，进一步明确了其在医学数据体系中的位置。
【数据内容】
该数据集的主题为 ONYX 在颅内硬脑膜动静脉瘘血管内治疗中的评估。源站描述提到，研究目标在于评估使用 Onyx 完成最后一次栓塞后的安全性与性能。因此，其内容应围绕这一研究目标组织，涉及动静脉瘘这一疾病条件以及 Onyx 栓塞治疗后的安全性和性能评价。关于数据集具体包含哪些字段、变量、随访指标或影像资料，源站未提供。关于样本量、受试者特征、研究终点定义等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述中列出了研究条件为 Arteriovenous Fistula，并说明研究目的是评估使用 Onyx 完成最后一次栓塞后的安全性与性能。除上述来源信息外，关于数据采集的具体方式、采集时间范围、采集机构、数据提取流程等，源站未提供。
【适用场景】
基于其主题与分类，该数据集适用于神经系统疾病与脑血管畸形相关的研究场景，尤其是围绕颅内硬脑膜动静脉瘘血管内治疗、Onyx 栓塞材料应用以及栓塞后安全性与性能评估的方向。它可以帮助研究人员了解该临床研究的基本定位，并作为检索或参考相关介入治疗研究的入口。关于该数据集是否适用于 meta 分析、真实世界研究、器械对比研究或其他特定分析用途，源站未提供。
【使用方法】
关于该数据集的具体使用方法，例如如何下载、如何访问、是否需要注册、是否提供结构化数据接口、是否附带数据字典或使用说明，源站未提供。
【质量与限制】
关于该数据集的质量评价、数据完整性、偏倚风险、随访完整性、样本代表性以及任何已知限制，源站未提供。
【引用与许可】
关于该数据集的引用格式、许可协议、使用条款或版权声明，源站未提供。
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/NCT02180945
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：动静脉瘘。本研究的目的是评估使用Onyx进行最后一次栓塞后的安全性和性能。
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。
