基础模型在肌肉骨骼MRI中的临床效用：补充表格与研究数据
补充表格涵盖数据集摘要、分割基准、统计检验、混合效应模型输出、生物标志物一致性指标、AutoLabel 评估及下游分诊与纵向结局建模结果；数据表提供逐受试者和逐切片的分割评分、生物标志物测量、混合效应模型输入输出、MRI 采集参数及失败案例（低百分位）Dice 汇总（D55 至 D57）
基本信息
资源简介
基础模型在肌肉骨骼MRI中的临床效用：补充表格与研究数据
Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes: supplementary tables and study data
该数据集来自 figshare，包含 Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes 一文引用的全部补充表格（S0 至 S25）和研究生成数据表（D1 至 D57）。补充表格涵盖数据集摘要、分割基准、统计检验、混合效应模型输出、生物标志物一致性指标、AutoLabel 评估及下游分诊与纵向结局建模结果；数据表提供逐受试者和逐切片的分割评分、生物标志物测量、混合效应模型输入输出、MRI 采集参数及失败案例（低百分位）Dice 汇总（D55 至 D57）。首个工作表含可点。
【数据集背景】
项目资助方：Supported by the National Institute of Arthritis and Musculoskeletal and Skin Diseases (NIH-NIAMS) through grants R01AR069006, UH3AR076724, R00AR070902, R01AR078762, P50AR060752, R61AR073552, R33AR073552, R01AR0796471, R01AR046905, and R01AR078917. This work also used data and resources from the Osteoarthritis Initiative (OAI), supported by NIH contracts N01-AR-2-2258 through N01-AR-2-2262 and the Foundation for the NIH with contributions from Merck, Novartis, GlaxoSmithKline, and Pfizer.。源站首次发布：2026-01-15。
【数据内容】
源站描述（机器翻译，仅供参考）：本条目包含 Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes 中引用的全部补充表格（S0 至 S25）和研究生成数据表（D1 至 D57）。补充表格提供数据集摘要、分割基准、统计检验、混合效应建模输出、生物标志物一致性指标、AutoLabel 评估以及下游分诊和纵向结局建模结果。数据表提供逐受试者和逐切片的分割评分、生物标志物测量、混合效应模型输入/输出、MRI 采集参数以及失败案例（低百分位）Dice 汇总（D55 至 D57）。首个工作表上的可点击目录链接到每个表格。
【数据结构与技术规格】
文件数 2 个，合计 5.29 MB。数据集 DOI：10.6084/m9.figshare.29633207.v2。
【主题与分类】
源站学科分类：Digital health、Health informatics and information systems、Radiology and organ imaging、Image processing、Machine learning not elsewhere classified。主题标签：Foundation model、segmentation model、SAM、musculoskeletal MRI、clinical utility、biomarker evaluation、cartilage thickness、disc height、muscle volume、T1ρ。本站分类：肌肉骨骼系统疾病。
【适用方向】
源站学科分类标注为 Digital health、Health informatics and information systems、Radiology and organ imaging、Image processing、Machine learning not elsewhere classified。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/_i_Clinical_Utility_of_Foundation_Segmentation_Models_in_Musculoskeletal_MRI_i_Supplementary_Tables_and_Study_Data/29633207
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Hoyer, Gabrielle; Tong, Michelle W.; Bhattacharjee, Rupsa; Pedoia, Valentina; Majumdar, Sharmila (2025). Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes: supplementary tables and study data. figshare. Dataset
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（Figshare）
- 源站标题：Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes: supplementary tables and study data
- DOI：10.6084/m9.figshare.29633207.v2
- 发布日期：2026-01-15
- 文件数：2 个
- 文件总体积：5.29 MB
- 源站页面：https://figshare.com/articles/dataset/_i_Clinical_Utility_of_Foundation_Segmentation_Models_in_Musculoskeletal_MRI_i_Supplementary_Tables_and_Study_Data/29633207
命令行下载
curl -L -o "CUFSM_MSKMRI_SuppTables_and_Data_v2.xlsx" "https://ndownloader.figshare.com/files/61029277"
curl -L -o "README_CUFSM_MSKMRI_v2.txt" "https://ndownloader.figshare.com/files/61029280"
文件清单
CUFSM_MSKMRI_SuppTables_and_Data_v2.xlsx（5.29 MB）README_CUFSM_MSKMRI_v2.txt（1.20 KB）
文件总体积 5.29 MB（源站 API 实测）。
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。
数据说明
本项目包含《基础模型在肌肉骨骼MRI中的临床效用：生物标志物保真度与预测结局》一文引用的全部补充表（S0至S25）和研究生成的数据表（D1至D57）。补充表提供数据集摘要、分割基准、统计检验、混合效应模型输出、生物标志物一致性指标、AutoLabel评估以及下游分诊和纵向结局建模结果。数据表提供每名受试者和每个切片的分割评分、生物标志物测量值、混合效应模型输入/输出、MRI采集参数以及失败案例（低百分位数）Dice汇总（D55至D57）。第一个工作表上的可点击目录链接至各表。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.29633207.v2（source: https://figshare.com/articles/dataset/_i_Clinical_Utility_of_Foundation_Segmentation_Models_in_Musculoskeletal_MRI_i_Supplementary_Tables_and_Study_Data/29633207）。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
