超声与MRI成像预防肝癌死亡
该数据集来自clinicaltrials.gov,聚焦肝硬化高危人群的肝细胞癌(HCC)筛查。研究设计为随机对照试验,比较每6个月超声(US)+血清甲胎蛋白(AFP)这一现行标准方案与每6个月简化MRI(aMRI)+AFP方案

基本信息
资源简介
超声与MRI成像预防肝癌死亡
该数据集来自clinicaltrials.gov,聚焦肝硬化高危人群的肝细胞癌(HCC)筛查。研究设计为随机对照试验,比较每6个月超声(US)+血清甲胎蛋白(AFP)这一现行标准方案与每6个月简化MRI(aMRI)+AFP方案。纳入18-75岁、任何病因肝硬化且估计年HCC风险>2.5%的患者,排除既往HCC、Child C肝硬化、MELD>20、已列入肝移植、MRI禁忌及CirCom评分3等。研究计划在47个VA医疗中心招募,可用于评估不同影像筛查策略对肝癌死亡率的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝细胞癌、肝硬化。研究设计。研究者拟开展一项随机对照试验,在肝细胞癌(HCC)高风险(估计年HCC风险>2.5%)的肝硬化患者中,比较每6个月超声(US)+血清甲胎蛋白(AFP)筛查(当前标准治疗)与每6个月简化MRI(aMRI)+AFP筛查。研究人群。年龄18-75岁、任何病因的肝硬化(标准组织学、影像学或临床标准)且估计年HCC风险>2.5%的患者。排除标准:既往HCC;Child C肝硬化(CTP评分10);MELD评分>20;已列入肝移植;MRI禁忌;由肝硬化特异性合并症指数(CirCom)评分3定义的预期寿命有限的合并症。研究地点。47个VA医疗中心将平均招募100名患
【主题与分类】
主题标签:Carcinoma, Hepatocellular、Cirrhosis。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05486572
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/NCT05486572
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:肝细胞癌、肝硬化。研究设计。研究者拟开展一项随机对照试验,比较每6个月超声(US)+血清甲胎蛋白(AFP)筛查肝细胞癌(HCC)(当前标准治疗)与每6个月简化MRI(aMRI)+AFP筛查,在HCC高风险(估计年HCC风险>2.5%)的肝硬化患者中进行。研究人群。年龄18-75岁、任何病因的肝硬化患者(符合标准组织学、影像学或临床标准),估计年HCC风险>2.5%。排除标准:既往HCC;Child C级肝硬化(CTP评分10);MELD评分>20;已列入肝移植名单;MRI禁忌证;由肝硬化特异性合并症指数(CirCom)评分3定义的预期寿命有限的合并症。研究地点。47个VA医疗中心将在3年内平均每站点招募100名患者。
这些已确定的招募中心拥有足够数量的符合筛查条件的肝硬化患者、具备资质且可作为当地中心研究者(LSI)的肝病科和放射科医生、充足的MRI和US检查能力,并可接入多学科肝脏肿瘤委员会(MLTB)。目标样本量。每组N=2350,总N=4700。随机化。随机化方案将采用可变区组大小的随机排列,并按医疗中心和MELD评分进行分层。干预。参与者将按1:1比例随机分配至两个筛查组之一:a. 每6个月进行腹部aMRI+血清AFP,或b. 自招募之时起至研究第8年结束,每6个月进行腹部US+血清AFP。aMRI方案将仅包括利用细胞外钆基对比剂的T1加权平扫和动态对比增强图像。aMRI仅需约15分钟即可完成。入组将在第1-3年进行,按方案进行的筛查将持续至第8年,死亡率随访也将持续至第8年。分析和发表将
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。




