Hugo™ 机器人辅助手术(RAS)系统在妇科受试者中的研究(Embrace Gynecology)

覆盖子宫肌瘤、月经失调、子宫腺肌病、子宫内膜异位症、子宫脱垂、癌前/非恶性病变、宫颈癌、子宫内膜癌及卵巢癌等主题。研究计划在美国最多五个研究中心招募最多 70 名受试者

Medtronic - MITGMedtronic - MITG
clinicaltrials
浏览 10
其他Uterine Fibroids (UF)Menstrual DisordersAdenomyosis of UterusEndometriosisUterine ProlapsePrecancerous/Nonmalignant ConditionCervical CancerEndometrial CancerOvarian Cancer
Hugo™ Robotic-Assisted Surgery (RAS) System in Gynecological Subjects (Embrace Gynecology)

基本信息

模态
其他
创建/更新时间
2026-10-17

资源简介

Hugo™ 机器人辅助手术(RAS)系统在妇科受试者中的研究(Embrace Gynecology)

该数据集来自 clinicaltrials.gov,围绕 Hugo™ 机器人辅助手术(RAS)系统在妇科受试者中的研究(Embrace Gynecology)。覆盖子宫肌瘤、月经失调、子宫腺肌病、子宫内膜异位症、子宫脱垂、癌前/非恶性病变、宫颈癌、子宫内膜癌及卵巢癌等主题。研究计划在美国最多五个研究中心招募最多 70 名受试者。数据可用于妇科疾病相关主题的分类或预测建模等用途,具体任务类型需结合源站进一步确认(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:子宫肌瘤(UF)、月经失调、子宫腺肌病、子宫内膜异位症、子宫脱垂、癌前/非恶性病变、宫颈癌、子宫内膜癌。本研究将招募最多 70 名受试者,并在美国(US)最多五个研究中心开展。

【主题与分类】

主题标签:Uterine Fibroids (UF)、Menstrual Disorders、Adenomyosis of Uterus、Endometriosis、Uterine Prolapse、Precancerous/Nonmalignant Condition、Cervical Cancer、Endometrial Cancer、Ovarian Cancer。本站分类:肿瘤/宫颈癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07120945

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07120945

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:子宫肌瘤(UF)、月经失调、子宫腺肌症、子宫内膜异位症、子宫脱垂、癌前/非恶性病变、宫颈癌、子宫内膜癌。本研究将招募最多70名受试者,并在美国(US)最多五个研究站点开展。

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。

获取专属数据定制方案