高级超声应用预测AVF结局
该数据集来自clinicaltrials.gov,为一项观察性前瞻性初步研究,针对终末期肾病(ESRD)并将接受动静脉内瘘(AVF)手术的患者

基本信息
资源简介
高级超声应用预测AVF结局
该数据集来自clinicaltrials.gov,为一项观察性前瞻性初步研究,针对终末期肾病(ESRD)并将接受动静脉内瘘(AVF)手术的患者。研究持续21个月,在患者签署知情同意书后,于术前、术中及术后收集数据。第0周进行临床信息访谈,记录血压和体重指数,并实施术前AVF评估超声测量,评估血流、搏动性和血管直径。此外,应用高级超声技术(2D应变斑点追踪和2D剪切波弹性成像)作为附加测量工具评估动脉僵硬度。数据可用于预测AVF手术结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:终末期肾病、肾衰竭、慢性肾脏病。这是一项针对终末期肾病(ESRD)患者的观察性前瞻性初步研究,这些患者将被转诊接受AVF手术。持续时间:21个月。研究团队将在患者签署知情同意书后收集数据。数据收集将在动静脉内瘘(AVF)手术前、手术中和手术后进行。在第0周,将对患者进行访谈以获取临床信息。此外,将检查并记录血压和体重指数。接下来,将进行术前AVF评估超声测量,以评估血流、搏动性和血管直径。高级超声应用(2D应变斑点追踪和2D剪切波弹性成像)将作为附加测量工具用于评估动脉僵硬度。这些是定量m
【主题与分类】
主题标签:End Stage Renal Diseases、Renal Failure、Chronic Kidney Diseases。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04141358
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/NCT04141358
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
疾病条件:终末期肾病、肾衰竭、慢性肾脏病。这是一项针对终末期肾病(ESRD)患者的观察性前瞻性初步研究,这些患者将被转诊接受动静脉内瘘(AVF)手术。研究持续时间:21个月。研究团队将在患者签署知情同意书后收集数据。数据收集将在动静脉内瘘(AVF)手术前、手术中和手术后进行。在第0周,将对患者进行访谈以获取临床信息。同时,将检查并记录血压和体重指数。接下来,将进行术前AVF评估超声测量,以评估血流、搏动性和血管直径。将应用高级超声技术(二维斑点追踪和二维剪切波弹性成像)作为额外测量工具来评估动脉僵硬度。这些是血管僵硬度的定量测量指标。从成像血管获取这些测量数据所需时间不到五分钟。在AVF手术期间,将通过测试内皮舒张能力,即血流介导的舒张(FMD),来术中评估内皮功能。
剩余的血管标本将被收集用于组织病理学分析。在第6周,将进行AVF术后超声评估,通过测量血流、搏动性和血管直径等超声参数来评估AVF的成熟情况。同时还将测量动脉僵硬度参数。血压和BMI也将被评估并记录。研究数据将被录入研究数据库,该数据库将以密码加密形式存储于Hammersmith医院血管实验室中一台设有密码保护的电脑上。只有研究人员知晓研究数据库密码。数据分析将在入组20名、40名和75名患者后分别进行。
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。




