Duke CARES 试验:定制化主动脉瘤腔内覆膜支架修复
该数据集来自 clinicaltrials.gov 的 Duke CARES Trial,聚焦主动脉疾病,评估医师对市售即用型腔内覆膜支架进行改制后,用于治疗高危开放手术患者中解剖条件合适的近肾、肾旁及内脏旁复杂腹主动脉瘤或胸腹主动脉瘤

基本信息
资源简介
Duke CARES 试验:定制化主动脉瘤腔内覆膜支架修复
该数据集来自 clinicaltrials.gov 的 Duke CARES Trial,聚焦主动脉疾病,评估医师对市售即用型腔内覆膜支架进行改制后,用于治疗高危开放手术患者中解剖条件合适的近肾、肾旁及内脏旁复杂腹主动脉瘤或胸腹主动脉瘤。研究主要考察器械在急性期(治疗成功与技术成功)、30 天(主要不良事件发生率)以及 6 个月、12 个月和每年至 5 年(治疗成功获得并维持的比例)的安全性与有效性,并评估患者选择标准、器械设计、手术技术和随访方案的改进方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:主动脉疾病。临床研究 Duke CARES Trial 的主要目标是评估对市售即用型腔内覆膜支架进行医师改制,以治疗高危开放手术受试者中解剖条件合适的近肾、肾旁及内脏旁复杂腹主动脉瘤或胸腹主动脉瘤。本研究的主要意图是评估器械在急性期(即治疗成功和技术成功)、30 天(即主要不良事件(MAE)发生率)以及 6 个月、12 个月和每年至 5 年(即治疗组受试者获得并维持治疗成功的比例)的安全性与有效性。此外,研究将评估患者选择标准、器械设计、手术技术和随访方案的改进领域,以使患者受益。
【主题与分类】
主题标签:Aortic Disorders。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/NCT07064460
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/NCT07064460
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:主动脉疾病。临床研究Duke CARES试验的主要目的是评估使用医生对市售现成血管内覆膜支架进行改造,以治疗肾旁、肾周及内脏旁复杂腹主动脉瘤或胸腹主动脉瘤,受试者为具有合适解剖结构且开放手术高风险的患者。本研究的主要意图是评估该器械在急性期(即治疗成功和技术成功)、30天(即主要不良事件(MAE)发生率)以及6个月、12个月和每年至5年(即治疗组受试者达到并维持治疗成功的比例)的安全性和有效性。
此外,该研究将评估患者选择标准、器械设计、手术技巧及随访方案的改进领域,以使接受复杂血管腔内动脉瘤修复术的患者获益。主要研究——统计队列:医师改良血管腔内移植物适用于肾旁、肾周、内脏旁及胸腹动脉瘤的血管腔内修复,适用于开放手术高风险且具有资格部分所定义适当解剖结构的受试者。非统计队列:患有危及生命主动脉疾病且无其他可接受的外科或血管腔内治疗选择的患者,将被允许在本IDE下接受治疗。在本IDE下入组这些患者可实现系统性数据收集和FDA监管,同时将其与主要研究队列分离可保持安全性和有效性分析的完整性。该方法通过在受监管和监测的环境中提供潜在治疗选择,为危重患者提供了一种治疗选择,同时不损害试验的科学有效性。
本队列中的患者将遵循标准治疗方案,其中包括在1个月、6个月以及之后每年进行随访。本队列的数据收集与呈现将
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




