恶性脑肿瘤患者医疗决策中的专家共识与人工智能

数据集获取

源站：https://clinicaltrials.gov/study/NCT06649591

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：恶性脑肿瘤。1) 统计分析计划：1. 本文件提供了EC-AIM Brain研究计划的统计分析详情。2. 研究目的：i. 主要目的是确定治疗与专家共识一致的患者是否比治疗与专家共识不一致的患者有更好的结果。1. 这将通过主要终点无进展生存期（末次随访时存活且无肿瘤生长）来确定。2. 这将通过对数秩检验来测试生存曲线的相等性（EC/一致 vs EC/不一致）。2) 缩写：1. EC - 专家共识 2. HR - 风险比 3. OS - 总生存期 4. PFS - 无进展生存期 5. KPS - Karnofsky体能评分 3) 目标人群：a. 纳入标准：i. 2018年4月至2023年7月期间在单一中心由神经外科医生连续治疗的恶性脑肿瘤患者，包括胶质瘤、转移瘤和淋巴瘤。b. 排除标准：1. 无可用MRI dicom图像的患者 2. 患有其他CNS恶性肿瘤的患者 3.

正在接受以姑息治疗为主要目的治疗的多发性复发胶质瘤患者 4. 年龄小于16岁的患者 4) 抽样：连续抽样 5) 样本量评估： a. 确定EC所能提供的估计效应量具有挑战性。根据既往关于腰椎滑脱症专家小组的研究，约200例患者的样本量足以进行初步评估。因此，本研究将纳入225名受试者作为我们的队列规模，以计入约10%的患者失访。 6) 数据获取方法： 1. 带有去标识化临床数据的标准化临床病例摘要以及标准化影像图像和视频将上传至Acesis HPOP平台。 i. 上传文件将包括具有代表性的多平面磁共振或计算机断层扫描图像 b. 一封附有调查链接的电子邮件将分发给脑肿瘤专

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。