开放式瘘管切除术与激光闭合术治疗低位肛周瘘的对比研究
该数据集来自 clinicaltrials.gov,围绕低位肛周瘘的外科治疗展开,比较开放式瘘管切除术与瘘管激光闭合术(FiLaC)两种术式

基本信息
资源简介
开放式瘘管切除术与激光闭合术治疗低位肛周瘘的对比研究
该数据集来自 clinicaltrials.gov,围绕低位肛周瘘的外科治疗展开,比较开放式瘘管切除术与瘘管激光闭合术(FiLaC)两种术式。数据覆盖成年原发性低位肛周瘘患者,采用前瞻性随机对照设计,将受试者随机分配至激光手术组或开放手术组。可用于评估两种术式在疗效与安全性方面的差异,支持肛周瘘治疗决策、微创括约肌保留技术研究以及术后恢复与并发症相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肛周瘘、肛瘘、低位肛周瘘。肛周瘘是连接肛管与肛周皮肤的异常隧道,常引起慢性疼痛、分泌物及生活质量下降。传统开放式瘘管切除术是一种成熟治疗方法,愈合率高,但会留下开放创面,需要较长恢复时间,并存在肛门括约肌损伤风险。瘘管激光闭合术(FiLaC)是一种微创、保留括约肌的技术,利用激光热能从内部闭合瘘管,同时尽量减少组织创伤。本研究是一项前瞻性随机对照试验,旨在比较开放式瘘管切除术与激光瘘管切开术在成年原发性低位肛周瘘患者中的疗效与安全性。参与者被随机分配到两个手术治疗组之一:* 第1组:激光瘘
【主题与分类】
主题标签:Perianal Fistula、Fistula-in-Ano、Low Perianal Fistula。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07797842
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/NCT07797842
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:肛周瘘、肛瘘、低位肛周瘘。肛周瘘是连接肛管与肛周皮肤的一场异常隧道,常导致慢性疼痛、分泌物及生活质量下降。传统开放式瘘管切除术是一种成熟的治疗方法,愈合率高,但会留下开放性伤口,需要较长的恢复时间,并存在肛门括约肌损伤的风险。瘘管激光闭合术(FiLaC)是一种微创、保留括约肌的技术,利用激光热能从内部闭合瘘管,同时尽量减少组织创伤。本研究是一项前瞻性随机对照试验,旨在比较开放式瘘管切除术与激光瘘管切开术在成人原发性低位肛周瘘患者中的疗效与安全性。参与者被随机分配到两个手术治疗组之一:* 第1组:激光瘘管切开术(FiLaC),使用1470 nm二极管激光探头封闭瘘管,并结合内口闭合。* 第2组:传统开放式瘘管切除术,包括完全切除瘘管,使伤口通过二期愈合。
患者在手术期间接受评估,并在术后24小时、48小时、1周、2周、4周、3个月和6个月进行随访。主要目标是评估瘘管愈合率和术后疼痛程度。次要目标包括评估手术时间、术中出血量、伤口愈合时间、并发症发生率、恢复日常活动的时间、粪便失禁情况(采用Wexner失禁评分衡量)以及生活质量。
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。




