高光谱成像在肾小球疾病诊断中的应用

该数据集来自 clinicaltrials.gov,围绕高光谱成像在肾小球疾病诊断中的应用。研究收集了 2020 年 11 月至 2022 年 1 月经肾穿刺活检确诊的 IgA 肾病、特发性膜性肾病、糖尿病肾病和微小病变性肾病患者晨尿样本,使用显微高光谱成像仪扫描,并采用机器学习和深度学习对微高光谱

Qianfoshan HospitalQianfoshan Hospital
clinicaltrials
浏览 5
医学影像分类Glomerulonephritis, IGAGlomerulonephritis, MembranousDiabetic NephropathiesNephrosis, LipoidHyperspectral Imaging
Application of Hyperspectral Imaging in the Diagnosis of Glomerular Diseases

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-17

资源简介

高光谱成像在肾小球疾病诊断中的应用

该数据集来自 clinicaltrials.gov,围绕高光谱成像在肾小球疾病诊断中的应用。研究收集了 2020 年 11 月至 2022 年 1 月经肾穿刺活检确诊的 IgA 肾病、特发性膜性肾病、糖尿病肾病和微小病变性肾病患者晨尿样本,使用显微高光谱成像仪扫描,并采用机器学习和深度学习对微高光谱图像进行分类,分类准确率大于 85%。数据可用于探索高光谱成像作为无创诊断手段辅助诊断肾小球疾病(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:IgA 肾病、膜性肾病、糖尿病肾病、脂性肾病、高光谱成像。收集 2020 年 11 月至 2022 年 1 月在我院经肾穿刺活检确诊的 IgA 肾病、特发性膜性肾病、糖尿病肾病和微小病变性肾病患者晨尿样本。通过显微高光谱成像仪扫描相应患者的晨尿样本,使用机器学习和深度学习对微高光谱图像进行分类,分类准确率大于 85%。因此,高光谱成像技术可作为无创诊断手段,辅助诊断肾小球疾病。

【主题与分类】

主题标签:Glomerulonephritis, IGA、Glomerulonephritis, Membranous、Diabetic Nephropathies、Nephrosis, Lipoid、Hyperspectral Imaging。本站分类:内分泌、营养和代谢疾病/糖尿病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05797051

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05797051

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:IgA肾病、膜性肾病、糖尿病肾病、脂性肾病、高光谱成像。收集2020年11月至2022年1月在我院经肾穿刺活检确诊的IgA肾病、特发性膜性肾病、糖尿病肾病和微小病变性肾病患者晨尿样本。通过微型高光谱成像仪扫描相应患者的晨尿样本,利用机器学习和深度学习对微高光谱图像进行分类,分类准确率大于85%。因此,高光谱成像技术可作为一种无创诊断手段,辅助肾小球疾病的诊断。

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。

获取专属数据定制方案