医师改良覆膜支架腔内修复复杂主动脉病变的安全性与有效性
该数据集来自 clinicaltrials.gov,聚焦医师改良覆膜支架(PMEGs)腔内修复复杂主动脉病变的安全性与有效性

基本信息
资源简介
医师改良覆膜支架腔内修复复杂主动脉病变的安全性与有效性
该数据集来自 clinicaltrials.gov,聚焦医师改良覆膜支架(PMEGs)腔内修复复杂主动脉病变的安全性与有效性。覆盖腹主动脉瘤、胸腹主动脉瘤及主动脉夹层等累及内脏主动脉段的病变,此类病变因涉及肾动脉和/或肠系膜动脉而修复困难。传统开放修复围术期并发症与死亡率高,对合并症多或解剖复杂的患者风险可能过高。随着腔内技术进步,开窗或分支支架腔内修复(F/B-EVAR)成为主要方式。数据可用于评估PMEGs治疗复杂主动脉病变的预后与疗效(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:腹主动脉瘤、胸腹主动脉瘤、主动脉夹层。复杂主动脉病变由动脉瘤性疾病和累及内脏主动脉段的主动脉夹层组成,由于涉及肾动脉和/或肠系膜动脉,其修复在技术上具有挑战性。传统上,修复的金标准是开放修复。然而,这些疾病的开放修复与高围术期发病率和死亡率相关。因此,对于有明显内科合并症或复杂手术/解剖特征的患者,开放手术的风险可能过高。随着腔内技术日益先进,针对累及内脏段的复杂主动脉病变的腔内治疗选择已被开发出来。主要方法是开窗或分支支架腔内主动脉修复(F/B-EVAR)。
【主题与分类】
主题标签:Abdominal Aortic Aneurysm、Thoracoabdominal Aortic Aneurysm、Aortic Dissection。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/NCT04746677
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/NCT04746677
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:腹主动脉瘤、胸腹主动脉瘤、主动脉夹层。复杂性主动脉病变,包括累及内脏主动脉段的动脉瘤性疾病和主动脉夹层,由于累及肾动脉和/或肠系膜动脉,其修复在技术上具有挑战性。传统上,开放手术修复一直是金标准。然而,这些疾病的开放手术修复与较高的围手术期发病率和死亡率相关。因此,对于有明显合并症或复杂手术/解剖特征的患者,开放手术的风险可能过高。随着血管腔内技术日益先进,针对累及内脏段的复杂性主动脉病变的血管腔内治疗选择已得到发展。主要方法是采用开窗或分支血管腔内移植物进行开窗或分支血管腔内主动脉修复(F/B-EVAR)。目前,美国仅有一种器械获FDA批准用于商业用途,即Zenith Fenestrated AAA Endovascular Graft(Cook Medical,Bloomington,IN)。
然而,其使用受到设备设计规格的限制,并且在需要更紧急修复的患者中,所需制造时间也构成限制。因此,许多复杂主动脉病变患者不适合使用该设备进行修复,目前也没有其他经FDA批准的确定性修复方案。对于不适合使用Zenith开窗设备的复杂主动脉病变患者,一种确定性修复选择是使用医生改良的血管内移植物(PMEG)进行血管内修复。在此手术中,主刀医生根据患者解剖结构,对经FDA批准的血管内移植物进行改良,加入开窗或分支。已发表的大量报告表明,该手术在高风险患者中可实现较高的技术成功率,以及可接受的围手术期和中期结果。本研究的主要目的是评估PMEG用于血管内
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。




