SplenoCT_KAUH 数据集
由于研究的回顾性性质，免除知情同意要求。患者个人数据依照相关准则受到保护并匿名化处理。研究人员有权公开这些数据。主题标签：肝硬化、消化系统疾病、CT影像、脾脏、回顾性研究、单中心
基本信息
资源简介
SplenoCT_KAUH 数据集
SplenoCT_KAUH dataset 是一个与消化系统疾病、特别是肝硬化相关的医学影像数据集，来源于 doi.org，当前由 Zenodo 收录，发布时间为 2025 年。该数据集基于一项单中心回顾性研究建立，研究经约旦 King Abdullah University Hospital 与 Jordan University of Science and Technology 的机构审查委员会批准，批准编号为 Ref. 16/154/2023。由于研究属于回顾性设计，知情同意要求被免除；患者个人数据依照相关准则受到保护并完成匿名化处理。数据集采用 Creative Commons Attribution 4.0 International 许可，研究人员有权将数据公开。整体来看，该数据集面向肝硬化等消化系统疾病的 CT 影像研究，主题标签包括肝硬化、消化系统疾病、CT 影像、脾脏、回顾性研究和单中心。
【数据集背景】
该数据集对应的研究是一项单机构回顾性研究，实施地点为约旦的 King Abdullah University Hospital 和 Jordan University of Science and Technology。研究遵循《赫尔辛基宣言》的准则，并获得了上述机构审查委员会的批准，批准编号为 Ref. 16/154/2023。由于研究为回顾性性质，知情同意要求被正式免除。研究过程中，患者个人数据依据相关准则受到保护，并进行了匿名化处理。研究人员拥有将这些数据公开的权利。数据集所属分类为消化系统疾病 / 肝硬化，主题标签涵盖肝硬化、消化系统疾病、CT 影像、脾脏、回顾性研究以及单中心。这些背景信息表明，该数据集是在合规、伦理审查和隐私保护框架下形成并公开的医学影像资源。
【数据内容】
该数据集英文名称为 SplenoCT_KAUH dataset，当前收录于 Zenodo，发布时间为 2025 年。其主题标签包括肝硬化、消化系统疾病、CT 影像、脾脏、回顾性研究、单中心。数据集分类为消化系统疾病 / 肝硬化。关于数据集内部的具体样本数量、影像层数、文件格式、标注信息、脾脏分割或测量指标等详细内容，源站未提供。
【采集与来源】
该数据集来源于 doi.org，所属机构为 Zenodo。研究在约旦 King Abdullah University Hospital 和 Jordan University of Science and Technology 进行，是一项单中心回顾性研究。研究经机构审查委员会批准，批准编号为 Ref. 16/154/2023，遵循《赫尔辛基宣言》准则。由于回顾性研究性质，知情同意要求被免除。患者个人数据受到保护并匿名化处理。研究人员有权公开这些数据。关于具体的采集设备、扫描参数、时间范围、患者纳入与排除标准等信息，源站未提供。
【适用场景】
根据现有信息，该数据集适用于与消化系统疾病、肝硬化、CT 影像以及脾脏相关的研究场景。其单中心回顾性研究的属性，使其可能用于回顾性影像分析、疾病相关影像特征探索等方向。主题标签中的“肝硬化”“消化系统疾病”“CT 影像”“脾脏”提示该数据集可能涉及脾脏在肝硬化等疾病中的影像表现研究。但关于具体的适用模型、任务类型、评价指标或临床验证场景，源站未提供。
【使用方法】
该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。研究人员有权公开这些数据。数据集发布于 Zenodo，发布时间为 2025 年。关于具体的数据下载方式、目录结构、读取工具、预处理步骤、配准或分割流程等操作细节，源站未提供。
【质量与限制】
该数据集为单中心回顾性研究数据，研究经机构审查委员会批准，批准编号为 Ref. 16/154/2023，遵循《赫尔辛基宣言》准则。由于回顾性性质，知情同意被免除；患者个人数据已匿名化并受到保护。研究人员有权公开数据。其单中心属性可能带来一定的选择偏倚或泛化性限制，但关于数据质量评估、标注一致性、样本量、类别平衡、缺失情况等具体质量指标，源站未提供。
【引用与许可】
该数据集的作者为 Obeidat, Doaa。机构为 Zenodo。发布时间为 2025 年。许可为 Creative Commons Attribution 4.0 International。来源站为 doi.org。数据集英文名称为 SplenoCT_KAUH dataset。关于具体的引用格式、DOI 编号、版本信息或推荐引用文献，源站未提供。
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://doi.org/10.5281/zenodo.15824373
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:
数据集大小约 40.03 GB。
数据说明
本单机构回顾性研究遵循《赫尔辛基宣言》的指导原则，并获得了约旦阿卜杜拉国王大学医院及约旦科技大学机构审查委员会（IRB）的批准（编号：16/154/2023）。鉴于研究的回顾性性质，豁免了获取知情同意的要求。患者个人数据依照相关指南得到保护和匿名处理。研究人员有权公开数据。
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。
