Exablate MRgFUS单侧及分期双侧苍白球丘脑束切断术治疗晚期帕金森病研究
该数据集来自 clinicaltrials.gov,聚焦晚期帕金森病,评估 Exablate MRgFUS 单侧及分期双侧苍白球丘脑束切断术(PTT)对比最佳药物治疗(BMT)的安全性与有效性

基本信息
资源简介
Exablate MRgFUS单侧及分期双侧苍白球丘脑束切断术治疗晚期帕金森病研究
该数据集来自 clinicaltrials.gov,聚焦晚期帕金森病,评估 Exablate MRgFUS 单侧及分期双侧苍白球丘脑束切断术(PTT)对比最佳药物治疗(BMT)的安全性与有效性。研究为国际多中心、评估者盲法、两阶段(2:1)随机对照试验,覆盖美国上市后研究及美国以外上市前扩展研究,可用于帕金森病外科治疗相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:帕金森病。美国上市后研究/美国以外上市前扩展研究,国际前瞻性、多中心、评估者盲法、两阶段(2:1)随机对照试验,评估序贯 Exablate 治疗(第一侧和第二侧)对比 BMT(最佳药物治疗)。在符合分期双侧 Exablate PTT 手术条件的个体中,基于导致美国 PMA 批准的前瞻性关键分期双侧研究的证据,本试验旨在采用两阶段随机对照设计评估第一侧和第二侧 Exablate PTT 消融的序贯治疗。在第一阶段,患者将被随机分配接受第一侧 PTT 手术或最佳药物治疗(BMT)。最初随机接受 BMT 的患者将在 3 个月后交叉接受第一侧 PTT 手术(如果他们仍然符合
【主题与分类】
主题标签:Parkinson Disease。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07764874
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/NCT07764874
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:帕金森病。一项上市后研究(美国)/上市前扩展研究(美国以外),国际前瞻性、多中心、评估者盲法、两阶段(2:1)随机对照试验,评估序贯Exablate治疗(第一侧和第二侧)与BMT(最佳药物治疗)的比较。在符合分期双侧Exablate PTT手术条件的个体中,基于导致美国PMA批准的前述关键性分期双侧研究的证据,本试验旨在采用两阶段随机对照设计评估第一侧和第二侧Exablate PTT消融的序贯治疗。在第一阶段,患者将被随机分配接受第一侧PTT手术或最佳药物治疗(BMT)。最初随机分配接受BMT的患者将在3个月后交叉接受第一侧PTT手术(若其仍符合治疗条件)。所有患者将在第一侧治疗后继续随访6个月。所有达到第二阶段的合格患者将被重新随机分配接受第二侧PTT手术或继续BMT。
在第2阶段被随机分配接受BMT的患者将在3个月后交叉接受第二侧PTT手术(若仍符合治疗条件)。所有患者将在第二侧治疗后继续随访12个月。该设计能够对分期双侧治疗、单侧治疗以及标准治疗(SOC)/BMT药物治疗进行评估比较。本研究将产生真实世界比较数据,以更好地为决策者提供关于丘脑底区消融(涉及PTT)可推广性的信息。结局将采用相关的偏侧化帕金森病特异性临床量表、功能障碍测量、疾病特异性生活质量、不良事件以及患者报告的整体治疗有效性感知进行评估。
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。




