下腔静脉滤器安全性与有效性预测
该数据集来自 clinicaltrials.gov,聚焦下腔静脉滤器(IVC filter)置入的安全性与有效性预测,覆盖肺栓塞与深静脉血栓形成人群

基本信息
资源简介
下腔静脉滤器安全性与有效性预测
该数据集来自 clinicaltrials.gov,聚焦下腔静脉滤器(IVC filter)置入的安全性与有效性预测,覆盖肺栓塞与深静脉血栓形成人群。数据旨在刻画当前 IVC 滤器置入的临床实践,包括置入指征、滤器类型、取出频率与成功率、置入初期及长期安全性(含滤器机械稳定性与腔静脉通畅性),以及后续 PE 发作与 DVT 复发频率。研究使用美国 6 家厂商市售滤器,可用于评估滤器相关结局并支持预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺栓塞、深静脉血栓形成。总体目标是刻画当前下腔静脉滤器置入的实践,包括指征、滤器类型、滤器取出的频率与成功率、置入初期及长期的安全性(包括滤器机械稳定性和腔静脉通畅性),以及后续肺栓塞发作和深静脉血栓复发频率。第一步是确定美国广泛临床实践环境中的使用特征。将使用来自美国 6 家制造商的市售下腔静脉滤器。所置入的 FDA 批准的下腔静脉滤器类型由各中心的主要研究者自行决定。本试验将使用以下下腔静脉滤器:1. ALN Vena Cava Filter(带钩和不带钩)(ALN Implants Chirurgicaux)2. Option™ Elite Retrievable Vena Cava Filt
【主题与分类】
主题标签:Pulmonary Embolism、Deep Vein Thrombosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02381509
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/NCT02381509
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:肺栓塞、深静脉血栓形成。总体目标是描述当前下腔静脉滤器置入的实践情况,包括适应证、滤器类型、滤器取出的频率和成功率、初始置入及长期安全性(包括滤器机械稳定性和腔静脉通畅性),以及后续肺栓塞发作和深静脉血栓复发频率。第一步是确定美国广泛临床实践环境中的使用特征。将使用来自美国6家制造商的市售下腔静脉滤器。所置入的FDA批准的下腔静脉滤器类型将由各中心的主要研究者自行决定。本试验将使用以下下腔静脉滤器:1. ALN腔静脉滤器(带钩和不带钩)(ALN Implants Chirurgicaux)2. Option™ Elite可回收腔静脉滤器(Argon Medical Devices Inc.,由Rex Medical设计并制造)3. VenaTech® LP腔静脉滤器(B Braun Interventional Systems, Inc.)和VenaTech® Convertible™腔静脉滤器4. DENALI®腔静脉滤器系统(DL900F、DL900J)(Bard Peripheral Vascular, Inc.)5.
Cook Günther-Tulip™ 腔静脉滤器(Cook Incorporated)6. Cordis OPTEASE® 可回收腔静脉滤器及 Cordis TRAPEASE® 永久性腔静脉滤器(Cordis Corporation)受试者将在手术时、出院时、术后3个月、6个月(电话)、12个月、18个月(电话)和24个月接受评估。所有取出IVC滤器的受试者将在取出后随访1个月。强制随访影像学检查将在3个月(平片)以及12个月和24个月(腹部增强CT)进行。此外,将在3个月、12个月和24个月进行临床访视及体格检查。
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。




