疑似非复杂性急性阑尾炎患者低剂量CT扫描方案优化
该数据集来自 clinicaltrials.gov,聚焦疑似非复杂性急性阑尾炎患者的低剂量计算机断层扫描(CT)方案优化

基本信息
资源简介
疑似非复杂性急性阑尾炎患者低剂量CT扫描方案优化
该数据集来自 clinicaltrials.gov,聚焦疑似非复杂性急性阑尾炎患者的低剂量计算机断层扫描(CT)方案优化。急性阑尾炎是急诊科腹痛和急诊腹部手术的常见原因,临床诊断依赖病史、体格检查、实验室检查及外科医生的经验,但仍有挑战,因多种疾病可模拟阑尾炎表现,影像学检查对提高诊断准确性作用增大。目前术前影像检查已被广泛接受为标准实践,CT 在诊断性能上明显优于超声。该数据可用于评估低剂量 CT 方案在疑似急性阑尾炎诊断中的价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:阑尾炎、其他和未特指的急性阑尾炎、急性疾病、胃肠道疾病、腹腔内感染。急性阑尾炎是急诊科腹痛最常见的原因之一,也是急诊腹部手术最常见的指征之一。临床诊断一直基于患者病史、体格检查和实验室检查结果以及外科医生的“临床眼光”。然而诊断仍然具有挑战性。主要问题之一是许多其他疾病可以模拟阑尾炎的临床表现,从而增加了影像学技术在辅助诊断准确性方面的作用。目前,对疑似急性阑尾炎患者的术前影像检查已被广泛接受为标准实践,并且 CT 在诊断性能方面已显示出明显优于 US。无
【主题与分类】
主题标签:Appendicitis、Other and Unspecified Acute Appendicitis、Acute Disease、Gastrointestinal Diseases、Intra-abdominal Infection。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02533869
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/NCT02533869
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:阑尾炎、其他及未特指的急性阑尾炎、急性病、胃肠道疾病、腹腔内感染。急性阑尾炎是急诊科最常见的腹痛原因之一,也是最常见的急诊腹部手术指征之一。临床诊断一直基于患者病史、体格检查、实验室检查结果以及外科医生的“临床眼光”。然而,诊断仍然具有挑战性。主要问题之一是许多其他疾病可以模拟阑尾炎的临床表现,从而增加了影像学技术在提高诊断准确性方面的作用。目前,对疑似急性阑尾炎患者进行术前影像学检查已被广泛接受为实践标准,并且CT在诊断性能方面明显优于US。如今,CT成像被认为是诊断急性阑尾炎的主要影像学方法,因其高灵敏度和特异度而受到评价。CT成像的主要缺点是暴露于辐射。
因此,CT成像的良好诊断性能促进了通过开发低剂量CT协议来优化方案,以减少辐射暴露。初步研究表明,对比增强低剂量CT不逊于标准剂量对比增强CT,在阴性阑尾切除率、阑尾穿孔率或需要额外成像的患者方面无统计学意义。本研究聚焦于使用对比增强低剂量CT成像作为区分非复杂性和复杂性急性阑尾炎的一种手段。区分这两种形式的急性阑尾炎很重要,因为根据最近的研究,它们的治疗方法不同。复杂形式仍通过手术治疗,而非复杂形式可以用抗生素保守治疗。在研究初期,将使用体模创建几种优化的CT协议。将选择表现最佳的两种模型用于
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。




