超分辨率超声(SRUS)在肝脏肿瘤中的应用
该数据集来自 clinicaltrials.gov,主题为超分辨率超声(SRUS)在肝脏肿瘤中的应用,属于肿瘤/肝癌方向

基本信息
资源简介
超分辨率超声(SRUS)在肝脏肿瘤中的应用
该数据集来自 clinicaltrials.gov,主题为超分辨率超声(SRUS)在肝脏肿瘤中的应用,属于肿瘤/肝癌方向。覆盖的疾病包括肝细胞癌(HCC)、肝内胆管细胞癌、肝血管瘤、局灶性结节性增生及肝转移瘤。源站描述指出,肝脏肿瘤的大体血管供应因组织学亚型、病灶大小和疾病分期而异,现有临床影像主要依据大体血管灌注模式进行表征,常规彩色多普勒超声可定性评估肿瘤血管、区分良恶性病变、显示肿瘤与肝内大血管的解剖关系并检测血管侵犯,而这些大体血管特征源于复杂的微血管结构。该数据可用于肝脏肿瘤影像相关的分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肝细胞癌(HCC)、肝内胆管细胞癌、肝血管瘤、局灶性结节性增生、肝转移瘤。肝脏肿瘤的大体血管供应因组织学亚型、病灶大小和疾病分期而有很大差异。当前的临床影像学方法主要根据肝脏肿瘤的大体血管灌注模式对其进行表征。常规彩色多普勒超声能够对肿瘤血管进行定性评估,有助于区分良性与恶性肝脏病变,描绘肿瘤与肝内主要血管之间的解剖关系,并检测血管侵犯。然而,这些大体血管特征源于复杂的微血管结构,包括血管分布模式、微血管密度、血管形态和迂曲
【主题与分类】
主题标签:Hepatocellular Carcinoma (HCC)、Intrahepatic Cholangiocellular Carcinoma、Hepatic Hemangioma、Focal Nodular Hyperplasia、Liver Metastasis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07707661
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/NCT07707661
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:肝细胞癌(HCC)、肝内胆管细胞癌、肝血管瘤、局灶性结节性增生、肝转移瘤。肝肿瘤的大体血管供应因组织学亚型、病灶大小及疾病分期不同而差异显著。当前临床影像学方法主要依据肝肿瘤的大体血管灌注模式对其进行表征。常规彩色多普勒超声可对肿瘤血管化进行定性评估,有助于区分肝脏良恶性病变,明确肿瘤与肝内主要血管的解剖关系,并检测血管侵犯。然而,这些大体血管特征源于复杂的微血管结构,包括血管分布模式、微血管密度、血管形态与迂曲度、血流速度及血流方向。尽管肿瘤微循环在肿瘤进展和治疗反应中具有关键作用,但不同肝肿瘤之间微血管血流动力学的异质性仍未被充分表征。
超分辨率超声成像(SRUS)的出现显著推进了超声成像的发展,它突破了声学衍射极限,使得直径小至约20微米的微血管得以可视化。与传统超声技术不同,SRUS保留了超声的固有优势,包括深层组织穿透能力和大视野,同时实现了空间分辨率约十倍的提升。这种独特的结合有效弥合了血管成像中长期存在的成像深度与空间分辨率之间的差距。此外,通过定位和追踪单个循环微泡,SRUS能够在宽动态范围内定量评估微血管血流速度,且不依赖于多普勒角度。因此,超分辨率超声成像为表征和比较良恶性肝病变的微血管血流动力学特征提供了前所未有的机会。
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。




