静脉流出剖面_血管再通关联_急性缺血性脑卒中临床研究数据
该数据集包含急性大血管闭塞性缺血性脑卒中患者的临床与影像数据，主要模态为临床表格和CT血管造影影像，通过分析静脉流出剖面与血管再通的关联，旨在为神经介入治疗的效果评估、预后预测及寻找有效的影像学生物标志物提供研究支持。
基本信息
资源简介
静脉流出剖面_血管再通关联_急性缺血性脑卒中临床研究数据
【数据内容】
源站原始描述：数据集概述 本数据集为多中心回顾性队列研究数据，聚焦急性缺血性脑卒中（AIS-LVO）患者血栓切除术后血管再通情况，分析术前CT血管造影（CTA）评估的静脉流出（VO）剖面与血管再通成功的关联，同时纳入侧支循环状态、功能预后等相关临床指标，包含一份补充材料文件。 文件详解 文件名称：SUPPLEMENTARY_MATERIAL.docx 文件格式：DOCX
中文译文（机器翻译，仅供快速理解，请以原文为准）：Dataset Overview: This dataset contains data from a multicenter retrospective cohort study focused on vascular recanalization after thrombectomy in patients with acute ischemic stroke due to large vessel occlusion (AIS-LVO). It analyzes the association between the venous outflow (VO) profile assessed by preoperative CT angiography (CTA) and successful vascular recanalization, while also incorporating relevant clinical indicators such as collateral circulation status and functional prognosis. It includes one supplementary material file. File Details File Name: SUPPLEMENTARY_MATERIAL.docx File Format: DOCX...
【获取与许可】
源站页面：https://haidatas.com/dataset/jingmailiuchupoumian_xueguanzaitongguanlia_b9a2264b
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。
需登录公开下载
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。
暂未开放有偿下载
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://haidatas.com/dataset/jingmailiuchupoumian_xueguanzaitongguanlia_b9a2264b
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
本数据集是一个多中心回顾性队列研究数据集，专注于急性大血管闭塞性缺血性脑卒中（AIS-LVO）患者。它通过分析术前CT血管造影（CTA）评估的静脉流出（VO）剖面，研究其与血栓切除术后血管再通成功率的关联。数据集还包含了侧支循环状态、功能预后（如改良Rankin量表评分）等多项临床指标，并附有一份补充材料文件，主要用于神经介入治疗评估、预后预测及影像生物标志物研究。
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。
