Monarch机器人支气管镜肺结节ICG染色标记用于VATS
该数据集来自clinicaltrials.gov，为北京Cancer Hospital开展的单中心、前瞻性、单臂临床研究，评估在Monarch机器人辅助支气管镜联合锥形束CT下，术前将吲哚菁绿（ICG）染料与碘对比剂混合标记难以定位的小肺结节，以便在VATS亚肺叶切除中定位的有效性、安全性和学习曲线
基本信息
资源简介
Monarch机器人支气管镜肺结节ICG染色标记用于VATS
该数据集来自clinicaltrials.gov，为北京Cancer Hospital开展的单中心、前瞻性、单臂临床研究，评估在Monarch机器人辅助支气管镜联合锥形束CT下，术前将吲哚菁绿（ICG）染料与碘对比剂混合标记难以定位的小肺结节，以便在VATS亚肺叶切除中定位的有效性、安全性和学习曲线。入组患者在同一手术时段内先行RAB定位，随后行VATS。主要终点包括定位成功率、有效定位和VATS亚肺叶切除率；次要终点包括导航成功率、手术时间、到达深度等。数据可用于肺结节定位与肺癌手术相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：小肺结节、肺结节定位、肺癌（疑似或确诊）、电视辅助胸腔镜手术（VATS）。这是一项在北京Cancer Hospital开展的单中心、前瞻性、单臂临床研究，旨在评估在Monarch机器人辅助支气管镜（RAB）联合锥形束CT（CBCT）下，术前将吲哚菁绿（ICG）染料与碘对比剂混合标记难以在电视辅助胸腔镜手术（VATS）亚肺叶切除中定位的小肺结节的有效性、安全性和学习曲线。符合条件的患者将在同一手术时段内先行RAB定位，随后行VATS。主要终点包括定位成功率、有效定位和VATS亚肺叶切除。次要终点包括导航成功率、手术时间、到达深度，
【主题与分类】
主题标签：Small Pulmonary Nodules、Pulmonary Nodule Localization、Lung Cancer (Suspected or Confirmed)。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07177924
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/NCT07177924
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：小肺结节、肺结节定位、肺癌（疑似或确诊）、视频辅助胸腔镜手术（VATS）。这是一项在北京肿瘤医院开展的单中心、前瞻性、单臂临床研究，旨在评估在Monarch机器人辅助支气管镜（RAB）联合锥形束CT（CBCT）下，术前使用吲哚菁绿（ICG）染料混合碘对比剂标记难以在视频辅助胸腔镜手术（VATS）亚肺叶切除术中定位的小肺结节的有效性、安全性及学习曲线。符合条件的患者将在同一次手术中立即接受RAB定位，随后进行VATS。主要终点包括定位成功率、有效定位率及VATS亚肺叶切除率。次要终点包括导航成功率、手术时间、到达深度、并发症发生率及卫生经济学结局。学习曲线将采用累积和（CUSUM）方法进行分析。共计划入组50例患者，术后随访14天。
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。
