新型液体改善术中超声图像质量的研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07042620

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：成人脑肿瘤、低级别胶质瘤（LGG）、高级别胶质瘤（HGG）、胶质母细胞瘤。超声图像将在手术期间的不同时间点获取。第一个时间点为开颅术后（不涉及液体）。第二个时间点为切除腔深部底部仍残留部分肿瘤时（约80%的肿瘤已切除），第三个时间点为外科医生认为肿瘤切除已完成时。在第二个和第三个时间点，每个时间点将进行两次超声采集。一次使用常规冲洗液（0.9%生理盐水/林格氏液/乳酸林格氏液），一次使用作为 SonoClear® System 一部分的 SonoClear®。基于核心实验室评估，有两个与性能相关的主要终点：1. 通过测量对比噪声比（CNR），评估与使用标准治疗冲洗液获得的图像相比，使用作为 SonoClear® System 一部分的 SonoClear® 获得的超声图像受图像伪影影响更小。CNR 是图像中相对噪声的一种度量。2. 通过使用称为外科医生图像评分（Surgeons Image Rating，SIR）量表的定性评估，比较使用作为 SonoClear® System 一部分的 SonoClear® 获得的超声图像与使用标准治疗冲洗液获得的图像。专家小组将通过针对每张图像回答3个问题来评估所获得图像的质量。对于 SIR，使用1-10的数字评分量表，根据在手术期间三个不同时间点需要回答的三个问题来衡量图像质量。该 SIR 旨在探索：作为 SonoClear® System 一部分的 SonoClear® 已在 CNR 分析中显示出可提供更好的定量图像质量，其是否能让外科医生察觉到这种改善的图像质量。最终，这种改善的图像质量应有助于在手术期间就切除边缘和残留肿瘤切除做出更好的决策。主要安全性事件定义为任何由核心实验室判定的重大 Magneti

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。