比较经皮CT引导活检与形状感知机器人辅助支气管镜的随机对照试验
本研究针对肺癌(诊断)与肺结节,纳入需诊断评估肺结节的成人,比较CBCT引导ssRAB与CT引导经皮肺结节活检,按1:1随机

基本信息
资源简介
比较经皮CT引导活检与形状感知机器人辅助支气管镜的随机对照试验
本研究针对肺癌(诊断)与肺结节,纳入需诊断评估肺结节的成人,比较CBCT引导ssRAB与CT引导经皮肺结节活检,按1:1随机。共同主要目标为诊断效能非劣效和安全性优效,主要终点为诊断效能及围手术期气胸发生率。操作按常规实践,不用实验性器械或程序。随访至12个月,问卷评估生活质量及可选工作状态,不进行标准照护外的研究特定评估或高级影像,活检后按常规查胸片(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肺癌(诊断)、肺结节。CT引导下经皮活检和ssRAB联合CBCT是临床实践中常规使用的两种肺结节活检操作。本研究旨在评估,在需要对肺结节进行诊断性评估的成人中,与CT引导下经皮肺结节活检相比,ssRAB联合CBCT的诊断效能和安全性。共同主要目标是评估诊断效能的非劣效性和安全性的优效性。主要终点为诊断效能,以及与所分配活检方式相关的围操作期气胸(伴或不伴干预)发生率。符合入选标准的受试者将按1:1随机分配至ssRAB联合CBCT组或CT引导下经皮肺结节活检组。如果临床团队认为所分配的操作不适合,受试者将改为接受最合适的标准治疗。两种活检操作均将按照常规临床实践实施,不使用任何试验性器械或操作。将通过病历审查和常规临床随访对受试者进行最长12个月的随访。将在多个时间点使用问卷评估患者报告的生活质量,并可选评估工作状态。不进行任何研究特定评估、负担沉重的检查或标准治疗之外的高级影像学检查。活检操作后需进行胸部X线检查,这与常规临床实践一致。
【主题与分类】
主题标签:Lung Cancer (Diagnosis)、Lung Nodule。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07761351
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/NCT07761351
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:肺癌(诊断)、肺结节。CT引导下经皮活检和ssRAB联合CBCT是临床实践中常规使用的两种肺结节活检操作。本研究旨在评估,在需要对肺结节进行诊断性评估的成人中,与CT引导下经皮肺结节活检相比,ssRAB联合CBCT的诊断效能和安全性。共同主要目标是评估诊断效能的非劣效性和安全性的优效性。主要终点为诊断效能,以及与所分配活检方式相关的围操作期气胸(伴或不伴干预)发生率。符合入选标准的受试者将按1:1随机分配至ssRAB联合CBCT组或CT引导下经皮肺结节活检组。如果临床团队认为所分配的操作不适合,受试者将改为接受最合适的标准治疗。两种活检操作均将按照常规临床实践实施,不使用任何试验性器械或操作。将通过病历审查和常规临床随访对受试者进行最长12个月的随访。将在多个时间点使用问卷评估患者报告的生活质量,并可选评估工作状态。不进行任何研究特定评估、负担沉重的检查或标准治疗之外的高级影像学检查。活检操作后需进行胸部X线检查,这与常规临床实践一致。
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。




