多光谱光声断层成像肿瘤成像研究
该数据集来自 clinicaltrials.gov，聚焦肿瘤与乳腺癌方向，涉及乳腺癌和黑色素瘤受试者。研究在超声引导下乳腺活检开始前，对双侧乳房进行多光谱光声断层成像（MSOT）检查，成像完成后研究参与即结束
基本信息
资源简介
多光谱光声断层成像肿瘤成像研究
该数据集英文名为 A Study of Tumor Imaging With Multispectral Optoacoustic Tomography，来源于 clinicaltrials.gov，本站将其归类于肿瘤 / 乳腺癌方向，主题标签涉及乳腺癌与黑色素瘤。数据集围绕一项利用多光谱光声断层成像（MSOT）进行肿瘤成像的研究展开，受试者涵盖乳腺癌与黑色素瘤人群。按照源站描述，研究参与者在超声引导下乳腺活检程序开始之前，接受双侧乳房的多光谱光声断层成像检查，成像完成后即结束研究参与。整体来看，该数据集记录的是肿瘤成像领域中以 MSOT 为成像手段、与乳腺活检流程相衔接的一项临床研究信息，可供关注乳腺癌与黑色素瘤影像学检查的研究者参考。
【数据集背景】
该数据集对应的研究聚焦于肿瘤成像，具体采用多光谱光声断层成像（MSOT）技术。从疾病方向看，研究涉及乳腺癌与黑色素瘤两类条件，本站分类将其归入肿瘤 / 乳腺癌类别。研究的设计特点在于将 MSOT 成像与临床常规的超声引导下乳腺活检流程相结合，在活检开始前完成成像检查，从而在真实临床操作场景中获取乳腺组织的成像信息。这一背景使该数据集在肿瘤影像学研究与乳腺疾病诊断流程研究方面具有参考价值。
【数据内容】
源站描述显示，研究涉及的条件为乳腺癌与黑色素瘤，参与者将接受双侧乳房的多光谱光声断层成像检查。主题标签包括 Breast Cancer 与 Melanoma。除上述研究条件、成像对象与成像方式外，源站未提供关于具体数据字段、影像数量、受试者人数或测量指标等更细化的数据内容说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。按照源站描述，成像采集发生在参与者超声引导下乳腺活检程序开始之前，采集对象为双侧乳房，采集手段为多光谱光声断层成像（MSOT）。成像完成后，参与者在研究中的参与即告结束。源站未提供采集设备型号、采集参数、采集时间跨度或采集机构等进一步信息。
【适用场景】
基于现有信息，该数据集适用于关注肿瘤成像、尤其是多光谱光声断层成像在乳腺组织应用的研究场景，也可为乳腺癌与黑色素瘤相关影像学研究的选题与设计提供参考。由于成像与超声引导下乳腺活检流程相衔接，其信息亦可用于了解影像检查嵌入活检前流程的研究组织方式。源站未提供关于具体分析用途或已验证应用方向的更多说明。
【使用方法】
源站未提供关于数据获取方式、访问条件、文件格式或使用流程的具体说明。
【质量与限制】
源站未提供关于数据质量评估、样本规模、完整性或已知局限的说明。可确认的信息仅限于研究条件、成像方式、成像对象与成像时点等描述性内容。
【引用与许可】
源站未提供关于引用方式与许可条款的具体说明。
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/NCT05488483
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
适应症：乳腺癌、黑色素瘤。本研究参与者将在超声引导下乳腺活检程序开始前，立即对双侧乳腺进行多光谱光声断层成像/MSOT成像。完成MSOT成像后，研究参与即告结束。
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。
