大孔径阵列改善实时超声脊柱成像数据集
该数据集来自 search.dataone.org,围绕大孔径阵列改善实时超声脊柱成像的研究,包含 8.8-cm 384 阵元大孔径阵列与全孔径成像协议的相关内容

基本信息
资源简介
大孔径阵列改善实时超声脊柱成像数据集
Improving real-time ultrasound spine imaging with a large-aperture array
该数据集来自 search.dataone.org,围绕大孔径阵列改善实时超声脊柱成像的研究,包含 8.8-cm 384 阵元大孔径阵列与全孔径成像协议的相关内容。研究在 5 秒内完成跨多个椎体的容积扫描,并在 7 名健康志愿者中比较了大孔径阵列与常规探头的成像效果,同时与配准 CT 对照验证成像精度。数据可用于脊柱超声成像方法研究、图像质量评估及腰椎穿刺模拟等应用场景(来源 DataONE,Creative Commons Zero v1.0 Universal 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):超声通过实现实时成像,为脊柱诊断和介入提供了一种安全、低成本的计算机断层扫描(CT)和磁共振成像(MRI)替代方案。然而,脊柱的复杂结构以及骨骼产生的声影给超声检查带来了挑战。本研究使用 8.8 厘米 384 阵元大孔径阵列和基于全孔径的成像协议来应对这些限制。利用超快发散波采集,在 5 秒内完成了跨多个椎体的容积扫描。在 7 名健康志愿者中,与常规探头相比,大孔径阵列和发散波发射改善了椎管、静脉丛和小关节的分辨率、对比度和可视化效果。配准 CT 与超声扫描之间的比较证实了成像准确性。一个模拟腰椎穿刺演示
【主题与分类】
主题标签:Spine、Transducers、Ultrasound imaging。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A8e9ac8bdac0864226d16b479c22da8a1099804828add3fe6d2c6626da4caa86a
使用许可:Creative Commons Zero v1.0 Universal。
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
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
超声为脊柱诊断和介入提供了一种安全、低成本且可替代计算机断层扫描(CT)和磁共振成像(MRI)的方法,其优势在于能够实现实时成像。然而,脊柱的复杂结构以及骨骼产生的声影给超声检查带来了挑战。本研究采用8.8厘米384阵元大口径阵列及基于全孔径的成像方案来应对这些局限。利用超快发散波采集,在5秒内完成了跨多个椎体的容积扫描。在7名健康志愿者中,与常规探头相比,大口径阵列和发散波发射改善了分辨率、对比度以及对椎管、静脉丛和小关节的可视化效果。配准CT与超声扫描之间的比较证实了成像的准确性。模拟腰椎穿刺展示了针尖在整个轨迹直至进入椎管过程中的可视化。
结果表明……,# 使用大孔径阵列改进实时超声脊柱成像 数据集DOI:10.5061/dryad.9zw3r22sx ## 数据和文件结构说明 所附数据集包括原始数据、处理后的数据以及用于论文《使用大孔径阵列改进实时超声脊柱成像》数据处理的MATLAB脚本。原始数据采集概述:体模数据使用标准超声组织仿体(CIRS Model 040GSE)和论文中所述的自制组织仿体脊柱模型采集。人体脊柱图像采集自七名健康人类志愿者。所有人体超声成像均按照机构审查委员会批准的方案进行。参与人体脊柱成像的所有7名志愿者均获得了知情书面同意。请参阅下方每个zip文件的详细信息。 ### 文件和变量 #### 文件:stats.zip 说明:
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。




