SENTRY 临床研究

肺栓塞发病率较高,具有显著的致病率和死亡率,目前临床使用永久型和可回收型下腔静脉(IVC)滤器进行预防,但两类滤器均存在倾斜、移位、断裂、栓塞及迟发深静脉血栓等局限,可回收滤器的实际回收成功率也较低

Boston Scientific CorporationBoston Scientific Corporation
clinicaltrials
浏览 8
基因组Pulmonary EmbolismDeep Vein Thrombosis
The SENTRY Clinical Study

基本信息

模态
基因组
创建/更新时间
2026-10-14

资源简介

SENTRY 临床研究

来自 clinicaltrials.gov,涉及肺栓塞(Pulmonary Embolism)与深静脉血栓(Deep Vein Thrombosis)两类疾病。肺栓塞发病率较高,具有显著的致病率和死亡率,目前临床使用永久型和可回收型下腔静脉(IVC)滤器进行预防,但两类滤器均存在倾斜、移位、断裂、栓塞及迟发深静脉血栓等局限,可回收滤器的实际回收成功率也较低。该数据集可用于相关临床研究、滤器安全性及回收结局的分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肺栓塞、深静脉血栓。肺栓塞(PE)是一种常见疾病,具有显著的致病率和死亡率。估计年发病率为每 1,000 名患者 1.45 例,这意味着美国每年有 1,350,000 例。据估计,PE 每年导致超过 200,000 例死亡。目前有两种市售的 IVC 滤器用于预防 PE:永久型和可回收型。两种滤器均有已记录的局限性,如倾斜、移位、断裂、栓塞和迟发深静脉血栓(DVT)。可回收滤器的开发旨在避免永久滤器的一些晚期后果,但在实践中最终取出成功率较低。在一系列 37 项临床研究中,共 6,834 名患者,平均回收率为 34%。SENT 有许多设计特征

【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/NCT01975090

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT01975090

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:肺栓塞、深静脉血栓形成。肺栓塞(PE)是一种常见病,具有显著的发病率和死亡率。估计年发病率为每1000名患者1.45例,这意味着美国每年有1,350,000例病例。据估计,肺栓塞每年导致超过200,000人死亡。目前,有两种类型的市售下腔静脉(IVC)滤器用于预防肺栓塞:永久性和可回收性。两种类型的滤器都有已记录的局限性,如倾斜、移位、断裂、栓塞和晚期深静脉血栓形成(DVT)。可回收滤器的开发旨在避免永久性滤器的一些晚期后果,但在实践中,最终取出成功率较低。在一系列37项临床研究中,共6,834名患者,平均回收率为34%。SENTRY IVC滤器具有众多设计特点,旨在改进现有IVC滤器的局限性,并避免取出的需要。

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。

获取专属数据定制方案