SPCCT与DECT成像质量比较
该数据集来自clinicaltrials.gov，为一项比较SPCCT与DECT成像质量的初步研究。覆盖糖尿病足溃疡、冠状动脉疾病、肺炎、肾结石、内耳疾病、脑卒中、关节疾病、糖尿病等病种，涉及多个身体区域和结构的CT成像，包括有和无对比剂注射两种条件
基本信息
资源简介
SPCCT与DECT成像质量比较
该数据集来自clinicaltrials.gov，为一项比较SPCCT与DECT成像质量的初步研究。覆盖糖尿病足溃疡、冠状动脉疾病、肺炎、肾结石、内耳疾病、脑卒中、关节疾病、糖尿病等病种，涉及多个身体区域和结构的CT成像，包括有和无对比剂注射两种条件。数据可用于评估SPCCT相对DECT在图像质量和诊断信心方面的改善程度，支持影像质量比较与诊断相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：糖尿病足溃疡、冠状动脉疾病、实质性肺炎、肾结石、内耳疾病、脑卒中、关节疾病、糖尿病。这项初步研究旨在确定与标准双能量CT（DECT）相比，SPCCT在有无对比剂注射的情况下，能在多大程度上获得图像质量和诊断信心改善的图像。根据CT检查中需要可视化的解剖结构/器官，采用不同的扫描方案，电离辐射剂量差异较大。因此，为了获得SPCCT与DECT之间图像质量改善的最广泛和最具代表性的结果，将对多个身体区域和结构进行CT成像，包括糖尿病足、糖尿病钙化冠状动脉评分、肾上腺、冠状动脉、肺实质、肾结石、内
【主题与分类】
主题标签：Diabetic Foot Ulcer、Coronary Artery Disease、Parenchymatous; Pneumonia、Kidney Stone、Inner Ear Disease、Brain Stroke、Joint Diseases、Diabetes、Adrenal Incidentaloma、Hyperaldosteronism。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04328181
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/NCT04328181
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：糖尿病足溃疡、冠状动脉疾病、实质性；肺炎、肾结石、内耳疾病、脑卒中、关节疾病、糖尿病。本初步研究旨在确定，与标准双能量CT（DECT）相比，SPCCT在注射和不注射造影剂的情况下，能在多大程度上获得质量更高、诊断信心更强的图像。根据CT检查中需可视化的解剖结构/器官不同，所执行的扫描方案各异，电离辐射剂量也相差较大。因此，为了获得SPCCT与DECT之间图像质量改善的最广泛且最具代表性的结果，将对多个身体区域和结构进行CT成像，包括糖尿病足、糖尿病钙化冠状动脉评分、肾上腺、冠状动脉、肺实质、肾结石、内耳、脑和关节、耳部/颞骨、结直肠癌病。
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。
