基于AI的髂股深静脉血栓溶栓预测模型
这项前瞻性单臂队列研究旨在为接受无支架药物机械溶栓治疗的急性广泛性髂股深静脉血栓（IF-DVT）患者开发一种AI驱动的治疗结果预测模型
基本信息
资源简介
基于AI的髂股深静脉血栓溶栓预测模型
该数据集围绕急性广泛性髂股深静脉血栓（IF-DVT）的介入治疗结果预测展开，来源于clinicaltrials.gov登记的一项前瞻性单臂队列研究。研究聚焦于接受无支架药物机械溶栓治疗的成人患者，试图通过人工智能方法构建治疗结果的预测模型。其核心思路是借助连续磁共振静脉成像（MRV）数据训练卷积神经网络（CNN），以预测患者三个月时的静脉再通是否成功。该数据集在分类上归属于泌尿生殖系统疾病下的其他类别，主题标签为下肢深静脉血栓形成。整体而言，它面向的是近端深静脉血栓导管导向介入治疗中患者筛选与结果预测工具缺乏的临床问题，具有明确的方法学探索性质。
【数据集背景】
急性广泛性髂股深静脉血栓属于下肢深静脉血栓形成中的近端类型，临床处理常涉及导管导向的介入治疗。当前在该类介入治疗中，尚缺乏经过验证的工具用于患者选择和结果预测，这构成了本研究所针对的现实缺口。该研究即在这一背景下提出，旨在为接受无支架药物机械溶栓的IF-DVT患者开发AI驱动的治疗结果预测模型，以辅助临床决策。研究条件明确为下肢深静脉血栓形成，研究对象为急性广泛性髂股深静脉血栓患者。
【数据内容】
该数据集的核心内容与连续MRV影像数据相关。研究计划在基线、出院前以及三个月随访三个时间点进行MRV采集，形成纵向影像序列。基于这些序列影像，研究将训练卷积神经网络，用于预测三个月时的静脉再通成功情况。源站描述中提及“Ground truth segmentat”但未完整给出后续内容，因此关于真实标注分割的具体信息源站未提供。除影像数据外，源站未提供其他类型数据内容的详细说明。
【采集与来源】
数据来源为clinicaltrials.gov登记的前瞻性单臂队列研究。研究纳入三十名连续入组的成年患者，这些患者均经MRV确认患有急性IF-DVT。所有患者接受药物机械溶栓治疗，使用AngioJet ZelanteDVT系统，并辅以rtPA给药。MRV采集时间点包括基线、出院前和三个月随访。源站未提供采集设备参数、采集中心数量、地理范围或时间跨度等进一步信息。
【适用场景】
该数据集适用于开发与评估基于MRV影像的AI预测模型，尤其是利用卷积神经网络预测IF-DVT患者接受无支架药物机械溶栓后三个月静脉再通成功的场景。其潜在用途包括辅助近端深静脉血栓导管导向介入治疗中的患者选择与结果预测。源站未提供关于模型部署环境、临床工作流整合或外部验证场景的更多信息。
【使用方法】
源站未提供关于数据访问方式、使用许可、预处理步骤或模型训练细节的具体说明。研究设计为前瞻性单臂队列，使用连续入组患者的纵向MRV影像作为模型输入，以三个月静脉再通成功作为预测目标。源站未提供数据格式、标注规范或代码资源等信息。
【质量与限制】
该研究为单臂设计，纳入三十名连续成年患者，样本量有限。源站未提供关于数据完整性、缺失值处理、影像质量控制或模型性能指标的信息。由于是单臂队列，缺乏对照组，可能影响结果推断的稳健性。源站未提供关于偏倚控制、盲法或统计功效的说明。此外，源站描述中关于真实标注分割的内容不完整，相关质量信息源站未提供。
【引用与许可】
源站未提供引用格式、许可条款或数据使用协议。该数据集来源于clinicaltrials.gov登记的研究，源站未提供进一步的引用与许可细节。
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/NCT07181083
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：下肢深静脉血栓形成。本前瞻性单臂队列研究旨在开发一种人工智能驱动的预测模型，用于预测接受无支架药物机械溶栓治疗的急性广泛性髂股深静脉血栓形成（IF-DVT）患者的治疗结局。本研究针对目前近端DVT导管导向干预中缺乏经过验证的患者筛选和结局预测工具这一问题。连续30例经MRV确诊的急性IF-DVT成年患者将接受使用AngioJet ZelanteDVT系统并辅以rtPA给药的药物机械溶栓治疗。主要目标是开发一种基于系列MRV影像数据训练的卷积神经网络（CNN），以预测三个月静脉再通成功情况。MRV采集在基线、出院前和三个月随访时进行。ground truth分割将由一名经验丰富的放射科医师使用3D Slicer进行，并在数据集中进行半自动传播。特征提取将包括几何指标、影像组学纹理分析，以及血栓和血管结构的形态学特征。
次要终点包括急性肾损伤发生率（这是流变学血栓清除术的一个重要关注点，因其溶血诱导的肾毒性）、通过Villalta评分评估的血栓后综合征发展情况，以及多种安全性结局，包括依据ISTH标准判定的重大出血。研究方案采用KDIGO标准对AKI进行严格监测，系统评估肾功能、溶血标志物及电解质平衡。水化方案和肾脏保护措施将实现标准化，但具体策略需肾病团队进一步明确。本研究填补了侵入性DVT治疗循证患者选择方面的关键证据空白，尤其是在ATTRACT试验结果不一之后。AI预测模型有望实现个性化治疗决策，可能改善风险-获益
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。
