术中激光散斑对比成像评估神经外科手术中的血流
该数据集来自 clinicaltrials.gov,聚焦神经外科手术中的脑血流评估,覆盖动脉瘤、动静脉畸形、硬脑膜动静脉瘘、胶质瘤、脑膜瘤及转移瘤等病种

基本信息
资源简介
术中激光散斑对比成像评估神经外科手术中的血流
该数据集来自 clinicaltrials.gov,聚焦神经外科手术中的脑血流评估,覆盖动脉瘤、动静脉畸形、硬脑膜动静脉瘘、胶质瘤、脑膜瘤及转移瘤等病种。脑血流对脑功能至关重要,术中血管即使短暂阻断也可能造成不可逆脑损伤。现有手术中外科医生无法直接“看见”动静脉内的血流,该数据可用于探索实时血流可视化在神经外科中的应用,帮助识别血管闭塞风险、辅助肿瘤切除时的血管处理,并支持脑血流相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:动脉瘤、AVM、硬脑膜动静脉瘘、胶质瘤、脑膜瘤、转移瘤。脑血流(CBF)对人类大脑功能至关重要,因为大脑依赖持续的血液供应来满足其能量需求。在神经外科手术中,脑血管的阻塞,即使是短暂和短时的,如果未能足够快地识别,也可能导致不可逆的脑组织损伤(即卒中)和皮层功能丧失。神经外科涉及治疗脑内血管相关病变,如颅内动脉瘤、动静脉畸形和硬脑膜动静脉瘘,也涉及脑肿瘤切除过程中的血管处理。对于这些手术,评估血管中的血流至关重要。到目前为止,外科医生无法“看到”动脉或静脉内流动的血液。手术期间的实时血流可视化
【主题与分类】
主题标签:Aneurysm、AVM、Dural Arteriovenous Fistula、Glioma、Meningioma、Metastasis。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05028400
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
源站:https://clinicaltrials.gov/study/NCT05028400
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
疾病类型:动脉瘤、动静脉畸形、硬脑膜动静脉瘘、胶质瘤、脑膜瘤、转移瘤。脑血流量(CBF)对人脑功能至关重要,因为大脑依赖持续的血液供应来满足其能量需求。在神经外科手术中,脑血管的阻塞,即使是短暂且瞬时的,若未能及时识别,也可能导致不可逆的脑组织损伤(即卒中)和皮质功能丧失。神经外科涉及治疗脑内血管相关病变,如颅内动脉瘤、动静脉畸形和硬脑膜动静脉瘘,同时也包括脑肿瘤切除术中对血管的处理。对于这些手术,评估血管内的血流至关重要。迄今为止,外科医生无法“看到”动脉或静脉内流动的血液。手术过程中的实时血流可视化有助于神经外科医生更好地理解术中血管闭塞事件的后果,识别潜在的不良并发症,从而及时干预以降低卒中风险。
目前,手术中观察动脉血流的标准方法是吲哚菁绿血管造影(ICGA)和荧光素血管造影(FA),这两种方法均需静脉注射荧光染料团注,并通过成像染料灌注过程来判断哪些血管得到了血流灌注。ICGA和FA仅能提供数秒内的瞬时灌注视图,远不能实现连续评估。激光散斑对比成像(LSCI)已被证实能够实时、连续地可视化血管内的血流,且无需使用对比剂。在LSCI中,目标组织被红色或近红外波长的低功率激光照射,组织表面反射的光线成像于相机上。所得图像即为激光散斑图案,计算机处理这些图像以生成散斑对比图像,这些图像反映了视野内的运动情况(即血流)。
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。




