偶然发现的未破裂颅内动脉瘤的监测与治疗对比
该数据集来自 clinicaltrials.gov,主题为偶然发现的未破裂颅内动脉瘤(UIAs)的监测与治疗对比。背景是近二十年来无创脑血管影像发展与西方人口老龄化使此类偶然发现的动脉瘤诊断增多,其中约 80% 直径小于 8 mm

基本信息
资源简介
偶然发现的未破裂颅内动脉瘤的监测与治疗对比
该数据集来自 clinicaltrials.gov,主题为偶然发现的未破裂颅内动脉瘤(UIAs)的监测与治疗对比。背景是近二十年来无创脑血管影像发展与西方人口老龄化使此类偶然发现的动脉瘤诊断增多,其中约 80% 直径小于 8 mm。神经放射与神经外科团队长期认为应治疗以预防蛛网膜下腔出血,而医学界对这类偶然发现病变的处理存在严重分歧,部分主张系统治疗,部分倾向影像监测。该分歧体现显著不确定性,因而有必要开展前瞻性随机研究比较治疗策略。数据可用于相关临床决策与预后研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:未破裂颅内动脉瘤、颅内动脉瘤。过去二十年间,无创脑血管影像的发展与西方人口的老龄化,促使越来越多偶然发现的未破裂颅内动脉瘤(UIAs)被诊断出来,其中约 80% 直径小于 8 mm。神经放射学和神经外科团队长期以来认为,这些 UIAs 应接受治疗,以保护患者免于蛛网膜下腔出血(SAH)的风险。医学界目前对这些偶然发现病变的处理存在严重分歧,一些团队主张系统治疗,而另一些团队则倾向于影像学监测。这种分歧反映了显著的不确定性,从而有理由开展一项前瞻性随机研究,比较治疗策
【主题与分类】
主题标签:Unruptured Intracranial Aneurysm、Intracranial Aneurysm。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07817511
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/NCT07817511
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:未破裂颅内动脉瘤、颅内动脉瘤。过去二十年间,无创脑血管成像技术的发展和西方人口的老龄化,促使越来越多的偶然发现的未破裂颅内动脉瘤(UIAs)得以诊断,其中约80%的直径小于8毫米。神经放射学和神经外科团队长期以来认为,这些UIAs应予以治疗,以保护患者免受蛛网膜下腔出血(SAH)的风险。目前,医学界对于这些偶然发现的病变的管理存在严重分歧,一些团队主张系统性治疗,而另一些则倾向于影像学监测。这种分歧反映了相当程度的不确定性,因此有必要开展一项前瞻性随机研究,比较治疗策略与监测策略。STAF研究旨在评估基于观察等待和影像学监测的保守管理策略在长期神经功能结局方面是否优于立即对动脉瘤进行治疗。
研究假设是,接受即刻动脉瘤治疗的患者相比保守治疗的患者,其临床显著神经功能障碍的发生率更高。临床显著功能障碍定义为改良Rankin量表(mRS)评分≥2且持续超过90天。STAF是一项前瞻性、全国性、多中心、随机、开放标签、平行组试验,并对事件进行裁定(“前瞻性随机开放标签盲法终点”PROBE研究设计)。法国约7至10家神经放射学和神经外科中心将参与并招募患者加入该研究。本研究纳入偶然发现的未破裂颅内动脉瘤(UIAs)的成年参与者。在常规临床诊疗中偶然发现动脉瘤后,患者将被转诊至介入神经放射科医生或神经外科医生。在筛选访视期间,动脉瘤特征和合格
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。




