Protrieve PROTECTOR 研究
该数据集来自 clinicaltrials.gov，主题为 Protrieve PROTECTOR 研究，涉及静脉血栓栓塞症与深静脉血栓形成
基本信息
资源简介
Protrieve PROTECTOR 研究
The Protrieve PROTECTOR Study 是一项登记于 clinicaltrials.gov 的临床研究数据集，主题聚焦于静脉血栓栓塞症与深静脉血栓形成。该研究关注的核心器械为 Protrieve Sheath，其设计用途是在血栓清除手术过程中提供栓塞保护。研究的主要目标在于评估该器械在预防临床显著性的术中肺栓塞方面的安全性与有效性，具体机制是在治疗深静脉血栓形成的血栓清除操作期间，于下腔静脉内提供栓塞防护。本数据集属于呼吸系统疾病 / 其他分类，来源于 clinicaltrials.gov，围绕静脉血栓栓塞症与深静脉血栓形成两个主题标签展开，可为相关领域的临床研究与器械评估提供参考信息。
【数据集背景】
静脉血栓栓塞症与深静脉血栓形成是临床上需要重点关注的血管性疾病。深静脉血栓形成若处理不当，可能引发肺栓塞等严重并发症。在采用血栓清除手术治疗深静脉血栓形成的过程中，如何降低术中肺栓塞风险，是临床实践中需要解决的问题。The Protrieve PROTECTOR Study 即围绕这一临床需求展开，研究 Protrieve Sheath 在血栓清除手术中于下腔静脉内提供栓塞保护的作用。该研究的主要目标为评估该器械在预防临床显著性的术中肺栓塞方面的安全性与有效性。数据集来源于 clinicaltrials.gov，属于呼吸系统疾病 / 其他分类，主题标签为静脉血栓栓塞症与深静脉血栓形成。
【数据内容】
该数据集的主题为 Protrieve PROTECTOR 研究，涉及静脉血栓栓塞症与深静脉血栓形成。研究关注的疾病条件包括静脉血栓栓塞症与深静脉血栓形成。研究的主要目标为评估 Protrieve Sheath 在血栓清除手术中预防临床显著性术中肺栓塞的安全性与有效性，其作用方式是在下腔静脉内提供栓塞保护。除上述内容外，源站未提供关于数据字段、变量结构、样本量、随访时间、终点指标明细等更具体的数据内容描述。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其源站描述中列出的疾病条件为静脉血栓栓塞症与深静脉血栓形成，并说明了研究的主要目标。除来源站为 clinicaltrials.gov 以及上述源站描述外，源站未提供关于采集方式、采集时间范围、采集地点、数据更新频率等更多信息。
【适用场景】
基于现有信息，该数据集适用于与静脉血栓栓塞症、深静脉血栓形成相关的临床研究参考，尤其涉及血栓清除手术中栓塞保护器械的安全性及有效性评估方向。其主题标签为静脉血栓栓塞症与深静脉血栓形成，分类归属于呼吸系统疾病 / 其他。除上述方向外，源站未提供关于具体适用场景的更多说明。
【使用方法】
源站未提供关于该数据集具体使用方法的信息。
【质量与限制】
源站未提供关于该数据集质量评价与使用限制的信息。
【引用与许可】
源站未提供关于该数据集引用方式与许可条款的信息。
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/NCT06495996
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：静脉血栓栓塞症、深静脉血栓形成。本研究的主要目的是评估Protrieve护套在血栓切除术治疗深静脉血栓过程中，通过在腔静脉内提供栓塞保护，预防临床显著的术中肺栓塞的安全性和有效性。
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。
