自发性深部脑出血的微创手术治疗
该数据集来自 clinicaltrials.gov,聚焦自发性深部脑出血(ICH)的微创手术治疗。自发性深部脑出血致死率高、致残严重,单纯标准内科治疗与常规开颅手术的功能获益均不理想

基本信息
资源简介
自发性深部脑出血的微创手术治疗
该数据集来自 clinicaltrials.gov,聚焦自发性深部脑出血(ICH)的微创手术治疗。自发性深部脑出血致死率高、致残严重,单纯标准内科治疗与常规开颅手术的功能获益均不理想。微创手术(MIS)包括神经导航引导的经纤维束旁技术,可在清除血肿的同时减少对周围脑组织及皮质下白质束的损伤。现有证据多支持 MIS 用于脑叶出血,而基底节出血的证据仍有限,且既往研究多集中于发病 24 小时内手术。数据可用于相关临床研究与疗效评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脑出血、自发性脑出血、基底节出血。自发性深部脑出血(ICH)是一种严重的神经系统疾病,与高死亡率和显著的长期残疾相关。单纯标准内科治疗的结果仍不令人满意,而常规开颅手术也未一致地显示出功能获益。微创手术(MIS),包括神经导航引导的经纤维束旁技术,已被引入以在清除血肿的同时尽量减少对周围脑结构和皮质下白质束的损伤。尽管越来越多的证据支持 MIS 用于脑叶 ICH,但在基底节出血患者中的证据仍然有限。此外,既往研究大多集中于症状发作后 24 小时内进行的手术,而 t
【主题与分类】
主题标签:Intracerebral Hemorrhage、Spontaneous Intracerebral Hemorrhage、Basal Ganglia Hemorrhage。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07710313
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/NCT07710313
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
疾病:脑出血、自发性脑出血、基底节出血。自发性深部脑出血(ICH)是一种严重的神经系统疾病,具有高死亡率和显著的长期残疾。仅采用标准内科治疗,预后仍不理想,而传统开颅手术也未能一致地显示出功能获益。微创手术(MIS),包括神经导航引导的经纤维束旁技术,已被引入以实现血肿清除,同时尽量减少对周围脑结构和皮层下白质束的损伤。尽管越来越多的证据支持在脑叶ICH中使用MIS,但在基底节出血患者中的证据仍然有限。此外,既往研究大多集中在症状发作后24小时内进行的手术,而在延长的24至72小时时间窗内进行MIS的有效性仍不确定。这项回顾性和前瞻性、多中心、观察性队列研究正在心英综合医院和115人民医院进行。
本研究包括回顾性队列和前瞻性队列。回顾性队列纳入自2024年11月起接受治疗的患者,此前胡志明市Tam Anh综合医院经卫生部批准开展机器人辅助脑内血肿清除术,该队列持续至目前。前瞻性队列计划于2026年6月至2028年6月招募患者。符合条件的参与者包括症状发作72小时内出现自发性基底节区脑出血的患者。包括微创手术指征和手术干预时机在内的治疗决策,完全由主治医师根据常规临床实践决定。本方案不规定任何治疗分配或干预;相反,本研究评估真实世界的临床实践和结局。数据将使用标准化病例报告表和电子病例报告表(CRF)进行记录。
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。




