实时TRUS引导下BPH内镜治疗

数据集获取

源站：https://clinicaltrials.gov/study/NCT06922968

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：BPH（良性前列腺增生）。标准TURP是治疗BPH的成熟术式，但存在局限性，包括腺瘤切除不彻底的风险以及出血等并发症。经尿道剜除技术的研究已显示出改善预后的潜力，尤其是在较大前列腺中。然而，在实现精确切除边界和最小化术中风险方面仍存在挑战。TRUS广泛用于前列腺活检和体积评估，近年来其术中应用受到关注。研究表明，实时TRUS可提供前列腺解剖结构和切除平面的准确成像，帮助术者更好地区分腺瘤组织与周围结构。这提高了手术精度，减少了术中出血，并最大限度地减少了残留组织，从而在TURP和剜除等手术中带来更好的预后。当前的TURP和剜除方法在很大程度上依赖内镜视觉引导，尽管已取得显著进步，但仍可能导致组织残留、出血过多和恢复时间延长。

尽管剜除技术已解决了其中一些挑战，但由于成本高昂和学习曲线陡峭，其可及性仍然较低，使其不适合所有医疗环境。将经直肠超声（TRUS）整合到经尿道前列腺电切术（TURP）或剜除术中，有望通过增强组织分化和引导精准切除来克服这些局限。本研究旨在评估TRUS在减少并发症、实现完全组织去除和改善患者康复结局方面的效果，从而可能为其在良性前列腺增生（BPH）手术中的常规应用铺平道路。

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。