AI辅助肺癌切除规划的三维重建

数据集获取

源站：https://clinicaltrials.gov/study/NCT07853157

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

条件：肺癌、人工智能、原发性肺癌手术。符合研究入选标准、计划接受解剖性肺切除术的患者将被前瞻性纳入。作为常规临床诊疗的一部分所获取的术前增强胸部CT图像将用于三维重建。对于每位患者，基于人工智能的分割系统将生成相关肺部解剖结构的三维重建，包括肺动脉、肺静脉和支气管结构，以及在适用情况下的肺叶和肺段解剖。自动重建将在不修改既定手术治疗方案的情况下进行审核。人工智能生成的重建结果将与专家手动三维重建结果以及术中记录的解剖所见进行比较。将特别关注与手术相关的支气管血管分支和解剖变异的识别。

主要分析将评估AI生成的重建能够准确呈现计划切除所需的所有预设手术相关解剖结构、且无临床相关遗漏或错误结构的患者比例。次要分析将评估在单个解剖结构层面的性能，包括动脉、静脉和支气管结构；描述自动重建与手动重建之间的错误和差异；评估与术中解剖的一致性；并评估自动重建和专家审核所需的时间。本研究是一项前瞻性、单中心观察性验证研究。所有诊断和治疗决策，包括肺切除的适应证和类型，都将根据标准临床实践独立于研究参与而做出。

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。