脑肿瘤手术术中神经生理监测：前瞻性队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07789938

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

条件：术中神经生理监测、恶性脑肿瘤、运动诱发电位监测、皮质-皮质诱发电位监测、视觉诱发电位监测。背景：脑肿瘤手术需要在两个相互竞争的优先事项之间取得平衡：最大化肿瘤切除范围（EOR），同时保护神经功能以实现最大安全切除。这一平衡在 eloquent 脑区尤为具有挑战性，因为即使轻微损伤也可能导致永久性功能丧失，如肌肉瘫痪、语言障碍或视力丧失。术中神经生理监测（IOM）将功能定位与肿瘤切除过程中对 eloquent 结构完整性的持续监测相结合。采用运动诱发电位（MEP）的 IOM 广泛用于全身麻醉或睡-醒-睡设置下的手术中，以定位并监测中央前回（运动皮质）和皮质脊髓束（CST）。

持续刺激中央前回可在整个切除过程中监测皮质脊髓束（CST）的完整性，而切除腔内的皮质下运动区定位可估计与CST的距离并指导安全切除范围。重要的预警标准包括MEP波幅降低>50%或刺激阈值升高20%，而较低的皮质下刺激阈值提示与CST的距离越来越近（约1 mA=1 mm）。皮质下切除界限通常为3 mA，尽管更低的阈值也可能是安全的。结合弥散张量成像（DTI），MEP监测在回顾性研究中与更大的切除范围和改善的长期生存相关。尽管已被广泛采用，但证明患者相关获益的高质量证据仍然缺乏。采用CCEP的术中神经电生理监测（IOM）在语言功能区脑肿瘤手术中具有前景，并已在全身麻醉和睡-醒-睡模式下进行了研究。

直接刺激一个语言区（布罗卡区或韦尼克区），同时记录另一个语言区的活动，能够监测皮层下语言束的功能，包括弓状束（AF）和上纵束（SLF）。在手术

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。