肝外胆道树可视化试验
该数据集来自 clinicaltrials.gov,主题为肝外胆道树可视化试验,覆盖急性胆囊炎、急性胆管炎、胆石性胰腺炎、胆总管结石、胆囊结石、胆囊疾病、胆道疾病及消化系统疾病

基本信息
资源简介
肝外胆道树可视化试验
该数据集来自 clinicaltrials.gov,主题为肝外胆道树可视化试验,覆盖急性胆囊炎、急性胆管炎、胆石性胰腺炎、胆总管结石、胆囊结石、胆囊疾病、胆道疾病及消化系统疾病。数据涉及近红外荧光成像与吲哚菁绿(ICG)荧光胆管造影,用于辅助显示肝外胆道结构,并可能降低胆管损伤风险。由于既往多数研究排除急性胆道疾病患者,该数据可用于评估ICG荧光胆管造影在急性胆道疾病中的可视化效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性胆囊炎、急性胆管炎、胆石性胰腺炎、胆总管结石、胆囊结石、胆囊疾病、胆道疾病、消化系统疾病。近红外荧光成像技术已显示出有助于勾勒和可视化肝外胆道结构的潜力。吲哚菁绿(ICG)是一种水溶性荧光染料,已被证明可在荧光胆管造影下改善胆道解剖结构的可视化。对于许多急性胆道疾病(如急性胆囊炎),标准治疗仍是早期腹腔镜胆囊切除术。尽管使用ICG的实时荧光胆管造影有可能增强胆道结构和解剖结构的可视化,从而降低胆管损伤风险,但迄今为止发表的大多数研究都排除了急性胆道疾病患者。
【主题与分类】
主题标签:Cholecystitis, Acute、Acute Cholangitis、Gallstone Pancreatitis、Choledocholithiasis、Cholecystolithiasis、Gallbladder Diseases、Biliary Tract Diseases、Digestive System Disease、Calculi、Pathological Conditions, Anatomical。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04922528
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/NCT04922528
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:急性胆囊炎、急性胆管炎、胆石性胰腺炎、胆总管结石、胆囊结石、胆囊疾病、胆道疾病、消化系统疾病。近红外荧光成像技术在辅助勾勒和显影肝外胆道结构方面已展现出应用前景。吲哚菁绿(ICG)是一种水溶性荧光染料,已被证明可在荧光胆管造影下改善胆道解剖结构的显影。对于许多急性胆道疾病(如急性胆囊炎),早期腹腔镜胆囊切除术仍是标准治疗方案。尽管使用ICG的实时荧光胆管造影有可能增强胆道结构和解剖的显影,从而降低胆管损伤风险,但迄今为止发表的大多数研究均排除了急性胆道疾病患者。急性胆道疾病的病理生理过程与炎症和粘连相关,这增加了实现安全关键视野的难度。
研究人员提出,在急性期腹腔镜胆囊切除术中,将ICG与荧光胆管造影近红外成像技术作为辅助手段,有可能通过提高肝外胆道结构的检出率和外科医生的信心,帮助降低胆管损伤风险。符合条件的患者将通过其初始临床评估来识别,并由患者的主刀医生进行核实。一旦患者被确认符合条件,主刀医生或其指定人员将详细介绍临床试验设计。如果在了解研究并有机会提问后,患者愿意参与,则将请患者审阅并签署知情同意书。进入临床试验后,分配序列将由一名不参与试验临床工作的共同研究者使用计算机生成的随机数字,以1:1比例、区组大小为4的区组随机化方案生成。同一名共同研究者将准备按顺序编号、不透光、密封和
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。




