使用MSOT和ULM对血管畸形进行诊断成像

数据集获取

源站：https://clinicaltrials.gov/study/NCT06994260

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

疾病：血管畸形、动静脉畸形、淋巴管畸形、静脉畸形。本研究旨在探讨多光谱光声断层成像（MSOT）和超声定位显微镜（ULM）能否准确区分淋巴管、静脉和动静脉血管畸形。MSOT可根据静脉血中预期的低氧含量、动脉血中的高氧含量以及淋巴液中无氧的特点来确定氧水平。此外，ULM利用微泡测量血流速度，这可能有助于识别和区分这些畸形或其混合形式。迄今为止，血管和淋巴管的血管畸形通常使用横断面成像技术进行诊断，如超声、计算机断层扫描（CT）或磁共振成像（MRI）。MSOT引入了一种新颖的非侵入性诊断方法，能够评估血液和组织中氧合血红蛋白浓度和氧水平。既往研究（如MSOT_IC、MSOT_PI）证明了MSOT可视化外周动脉疾病患者肌肉灌注的能力。

此外，它通过检测胶原蛋白和脂质等内源性生物标志物，成功识别了肌肉结构及杜氏肌营养不良症的临床严重程度。本研究旨在利用MSOT和ULM作为传统成像方法的补充诊断工具，以准确识别和区分患者的静脉、动静脉和淋巴管畸形。这种方法有望在未来减少CT扫描带来的电离辐射暴露，并减少对资源密集型MRI检查的需求。

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。