Apreo植入物治疗重度肺气肿的安全性、可行性与初步疗效研究
该数据集来自clinicaltrials.gov,记录一项首次人体、前瞻性、多中心、单臂研究,评估Apreo植入物用于重度肺气肿的安全性与可行性及初步疗效,最多纳入30名受试者

基本信息
资源简介
Apreo植入物治疗重度肺气肿的安全性、可行性与初步疗效研究
该数据集来自clinicaltrials.gov,记录一项首次人体、前瞻性、多中心、单臂研究,评估Apreo植入物用于重度肺气肿的安全性与可行性及初步疗效,最多纳入30名受试者。受试者先在一侧肺原生支气管树置入最多三个植入物,30天后视指征在对侧肺再次置入最多三个。第5名受试者完成首次植入后暂停植入,待安全审查委员会审阅安全性数据。数据可用于呼吸系统疾病器械治疗相关研究参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺气肿或COPD。这是一项首次人体、前瞻性、多中心、单臂研究,评估Apreo植入物用于重度肺气肿的安全性、可行性和初步疗效,最多纳入30名受试者。最初所有受试者将接受Apreo手术,在一侧肺的原生支气管树中置入最多三个植入物,30天后进行第二次Apreo手术,如有指征,在对侧原生肺支气管树中置入最多三个植入物。一旦第5名受试者接受了其首次植入手术,当前已入组或新受试者的植入将暂停,以便安全审查委员会(SRC)在第5名受试者完成第二次Apreo手术(若仅一次手术则为第一次)后7天电话随访时召开会议并审查安全性数据。这将在……
【主题与分类】
主题标签:Emphysema or COPD。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05949645
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/NCT05949645
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:肺气肿或COPD。这是一项首次人体、前瞻性、多中心、单臂研究,评估Apreo植入物用于重度肺气肿的安全性和可行性及初步疗效,受试者最多30例。最初所有受试者将接受Apreo手术,在一侧肺的天然支气管树中放置最多三个植入物,30天后进行第二次Apreo手术,如有指征,在对侧天然肺支气管树中放置最多三个植入物。一旦第5例受试者接受了其首次植入手术,当前已入组或新受试者的植入将暂停,以便安全审查委员会(SRC)在第5例受试者完成其第二次Apreo手术(若仅进行一次手术,则为第一次手术)后7天电话随访后召开会议并审查安全性数据。
这至少包括前5名参与者中最多10次植入手术的急性手术安全性、所有5名参与者在首次肺部植入后30天的安全性评估、第一侧肺所有植入物植入后30天的支气管镜检查,以及首次和第二次肺部植入后7天的安全性数据。SRC将提供意见和建议,包括在认为适当时恢复新参与者的植入。前10名参与者在完成第二次Apreo手术(若仅进行一次手术,则为第一次)后7天电话随访后,其安全性数据将由SRC审查。这至少包括前10名参与者中最多20次植入手术的急性手术安全性、所有10名参与者在首次肺部植入后30天的安全性评估、第一侧肺所有植入物植入后30天的支气管镜检查,以及首次和第二次肺部植入后7天的安全性数据。在审查前10名参与者的安全性数据后,SRC可能
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。




