短波红外手术成像设备研究
该数据集来自 clinicaltrials.gov,为一项短波红外(SWIR)手术成像设备的在人体观察性研究。覆盖胆囊炎、慢性胆囊炎、慢性结石性胆囊炎、原发性甲状旁腺功能亢进、乙状结肠憩室炎、多结节性甲状腺肿及甲状腺和甲状旁腺手术等疾病与术式,研究对象为18至70岁以上的非脆弱成人

基本信息
资源简介
短波红外手术成像设备研究
该数据集来自 clinicaltrials.gov,为一项短波红外(SWIR)手术成像设备的在人体观察性研究。覆盖胆囊炎、慢性胆囊炎、慢性结石性胆囊炎、原发性甲状旁腺功能亢进、乙状结肠憩室炎、多结节性甲状腺肿及甲状腺和甲状旁腺手术等疾病与术式,研究对象为18至70岁以上的非脆弱成人。研究旨在评估SWIR成像技术在临床环境中的可行性、设备安全性及其是否干扰或改变既定标准治疗,并收集初步人体数据以支持未来研究设计。可用于手术成像技术可行性分析、安全性评估及相关临床研究设计参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胆囊炎、慢性胆囊炎、慢性结石性胆囊炎、原发性甲状旁腺功能亢进、乙状结肠憩室炎、多结节性甲状腺肿、甲状腺和甲状旁腺手术。本观察性研究的目标是对一种研究性短波红外(SWIR)成像设备进行在人体评估,旨在增强非脆弱成人(年龄在18至70岁以上)手术过程中关键解剖结构的可视化。主要问题是:1)评估在临床环境中使用SWIR成像技术的可行性;2)确定该设备的安全性,确保其应用不会干扰或改变既定的标准治疗;3)收集初步人体数据,为未来研究调查的设计提供信息和支持。本研究的目标不是偏离
【主题与分类】
主题标签:Cholecystitis、Cholecystitis, Chronic、Chronic Calculous Cholecystitis、Primary Hyperparathyroidism、Sigmoid Colon Diverticulitis、Multinodular Goiter、Thyroid and Parathyroid Surgery。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07744425
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/NCT07744425
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:胆囊炎、慢性胆囊炎、慢性结石性胆囊炎、原发性甲状旁腺功能亢进症、乙状结肠憩室炎、多结节性甲状腺肿、甲状腺及甲状旁腺手术。本观察性研究的目标是对一种研究性短波红外(SWIR)成像设备进行人体评估,旨在增强18至70岁及以上非弱势成人手术过程中关键解剖结构的可视化。主要问题包括:1)评估在临床环境中使用SWIR成像技术的可行性;2)确定该设备的安全性,确保其应用不会干扰或改变既定的标准诊疗;3)收集初步人体数据,为未来研究调查的设计提供信息和支持。本研究的目标并非偏离标准诊疗,也不会影响临床团队做出的诊断或治疗决策。
本研究的核心假设是,短波红外(SWIR)成像能有效地在人体受试者中可视化关键解剖结构,如神经、输尿管和胆管。这一预期基于在猪模型和尸体研究中观察到的良好临床前结果。此外,研究者旨在证明,使用SWIR成像不会给患者带来额外风险,也不会干扰既定的手术流程。在受试者同意后,参与手术的外科医生将使用该成像设备在每例手术中观察关键结构不超过10分钟。同时,要求外科医生针对每例手术完成设备评估。
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。




