血管外科中经光氧化处理牛心包的上市后前瞻性评估
该数据集来自 clinicaltrials.gov,为一项关于 PhotoFix 牛心包在血管外科中应用的上市后前瞻性评估研究

基本信息
资源简介
血管外科中经光氧化处理牛心包的上市后前瞻性评估
该数据集来自 clinicaltrials.gov,为一项关于 PhotoFix 牛心包在血管外科中应用的上市后前瞻性评估研究。覆盖血管疾病、外周动脉疾病、血液透析通路失败、颈动脉疾病及腹主动脉瘤等病种。研究主要终点为颈动脉狭窄患者行颈动脉内膜切除术后的同侧中枢神经系统事件发生率,其他血管手术的主要终点为主要通畅率;次要终点包括全因再手术率、器械相关再手术率、取出率、再狭窄率、次要通畅率(仅血液透析通路修复)及生存率。计划在约 10 个中心入组 100 名患者,入组期至少 8 个月(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血管疾病、外周动脉疾病、血液透析通路失败(障碍)、颈动脉疾病、腹主动脉瘤。PhotoFix 由牛心包制备,使用染料介导的光氧化过程进行稳定,并使用无菌处理技术进行灭菌。接受颈动脉内膜切除术(CEA)的颈动脉狭窄(CAS)患者的主要终点将是同侧中枢神经系统事件发生率;所有其他血管手术的主要终点将为主要通畅率。次要终点包括全因再手术率、器械相关再手术率、取出率、再狭窄率、次要通畅率(仅血液透析通路修复(HAR))和生存率。目标是在约 10 个中心入组 100 名患者。入组期将从机构审查委员会批准起至少持续 8 个月。
【主题与分类】
主题标签:Vascular Diseases、Peripheral Arterial Disease、Hemodialysis Access Failure (Disorder)、Carotid Artery Diseases、Abdominal Aortic Aneurism。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03669042
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/NCT03669042
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:血管疾病、外周动脉疾病、血液透析通路失效(障碍)、颈动脉疾病、腹主动脉瘤。PhotoFix由牛心包制备,采用染料介导的光氧化过程进行稳定化处理,并使用无菌加工技术进行灭菌。接受颈动脉内膜切除术(CEA)的颈动脉狭窄(CAS)患者的主要终点为同侧中枢神经系统事件发生率;所有其他血管手术的主要终点为主要通畅率。次要终点包括全因再手术率、器械相关再手术率、移植物取出率、再狭窄率、次要通畅率(仅限血液透析通路修复(HAR))和生存率。计划在约10个研究中心入组100名患者。入组期自机构审查委员会(IRB)批准和研究中心启动起至少持续8个月。本研究的研究对象为需要血管修复或重建手术且必须使用补片的成人患者。
患者将在术前签署知情同意书,入组患者将在PhotoFix手术后接受约6个月的随访。数据将在5个时间点收集:基线(术前)、术中、术后1个月、术后3个月和术后6个月。
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。




