Gadoxetic Acid-MRI对比超声用于高危患者肝细胞癌监测
该数据集来自clinicaltrials.gov,聚焦肝硬化等高危人群的肝细胞癌监测,比较Gadoxetic Acid-MRI与超声(USG)的监测效果

基本信息
资源简介
Gadoxetic Acid-MRI对比超声用于高危患者肝细胞癌监测
该数据集来自clinicaltrials.gov,聚焦肝硬化等高危人群的肝细胞癌监测,比较Gadoxetic Acid-MRI与超声(USG)的监测效果。源站描述指出肝硬化尤其是病毒性肝炎相关肝硬化是HCC最主要风险因素,约80-90%病例伴有肝硬化;诊断时的分期决定治疗有效性,晚期HCC以姑息治疗为主,仅早期可根治,不足30%患者能及时诊断接受切除、移植或局部消融。当前指南推荐每6个月超声监测,但超声敏感性有限。数据可用于评估MRI与超声在早期HCC监测中的价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肝硬化。肝细胞癌(HCC)目前是全球癌症相关死亡的第三大原因。肝硬化,尤其是与病毒性肝炎相关的肝硬化,是HCC最显著的风险因素,在近80-90%的病例中可见。诊断时的疾病分期在很大程度上决定治疗的有效性。晚期HCC的治疗仍以姑息治疗为主,只有早期HCC才有治愈性选择。不幸的是,不到30%的患者能足够早地诊断以满足切除、移植或局部消融的标准。监测旨在早期发现HCC,使其适合治愈性治疗以降低死亡率。当前实践指南推荐对肝硬化患者每6个月进行超声(USG)监测。然而,据报道USG的敏
【主题与分类】
主题标签:Cirrhosis of Liver。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01446666
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/NCT01446666
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
条件:肝硬化。肝细胞癌(HCC)目前是全球癌症相关死亡的第三大原因。肝硬化,尤其是与病毒性肝炎相关的肝硬化,是HCC最显著的危險因素,在近80-90%的病例中可见。诊断时疾病的分期在很大程度上决定了治疗的有效性。晚期HCC的治疗仍以姑息治疗为主,治愈性选择仅适用于早期HCC。遗憾的是,仅有不到30%的患者能在早期被诊断,从而满足切除、移植或局部消融的标准。监测旨在早期发现HCC,使其能够接受治愈性治疗以降低死亡率。现行实践指南建议对肝硬化患者每6个月进行超声(USG)监测。然而,据报道,USG作为筛查试验的敏感性在65%至80%之间。然而,随着肝硬化的进展,USG的敏感性降低,而HCC的风险增加。
钆塞酸二钠(Primovist®)增强肝脏磁共振成像(MRI)已被证实对肝细胞癌(HCC)术前局部分期以及常规影像学检查结果不明确患者的评估具有临床价值。已知Primovist-MRI的检测灵敏度高达90-95%,显著高于超声(USG)或多期计算机断层扫描(CT)。MRI无辐射暴露,作为监测检查手段具有重要优势。然而,MRI从未被考虑用于HCC的监测或筛查。因此,本研究拟验证的假设如下:在HCC高危肝硬化患者中,以6个月为间隔分别使用上述两种影像学手段时,Primovist-MRI对早期HCC的检测灵敏度应显著高于USG。研究者还将分析敏
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。




