电子支气管镜下窄带成像(NBI)用于肺癌

该数据集来自 clinicaltrials.gov,主题为电子支气管镜下窄带成像(NBI)在肺癌中的应用,涉及肺癌与恶性气道梗阻

Shanghai Pulmonary Hospital, Shanghai, ChinaShanghai Pulmonary Hospital, Shanghai, China
clinicaltrials
浏览 11
图像分类Lung CancerMalignant Airway Obstruction
Narrow Band Imaging (NBI) Under Electronic Bronchoscope in Lung Cancer

基本信息

模态
图像
任务类型
分类
创建/更新时间
2026-10-08

资源简介

电子支气管镜下窄带成像(NBI)用于肺癌

该数据集来自 clinicaltrials.gov,主题为电子支气管镜下窄带成像(NBI)在肺癌中的应用,涉及肺癌与恶性气道梗阻。NBI 是一种新兴光学图像增强技术,可增强黏膜表面与黏膜下血管的对比度,显示血管分布并突出黏膜结构的细微变化,同时有助于减少不必要的活检,风险与成本较低。该技术已在胃癌、食管癌、鼻咽癌和膀胱癌诊断中展现优势。本研究旨在探索其在肺癌诊断中的价值,数据可用于肺癌及恶性气道梗阻相关的分类与诊断研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肺癌、恶性气道梗阻。肺癌具有高发病率和高死亡率,是世界上最常见的肿瘤之一。因此,早期发现、准确诊断和分期划分可以有效指导临床干预,从而提高患者生存率。电子支气管镜下的窄带成像(NBI)是一种新兴的光学图像增强技术,可以增强黏膜表面与黏膜下血管之间的对比度,特异性地显示血管分布,并突出黏膜结构的细微变化。同时,它可以减少不必要的活检,风险低且成本低。近年来,NBI 技术逐渐开始在胃癌、食管癌、鼻咽癌和膀胱癌的诊断中展现出其独特优势。本研究的目的是探索该诊断

【主题与分类】

主题标签:Lung Cancer、Malignant Airway Obstruction。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04676815

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04676815

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、恶性气道梗阻。肺癌是全球最常见的肿瘤之一,具有高发病率和死亡率。因此,早期发现、准确诊断和分期划分能有效指导临床干预,从而提高患者生存率。电子支气管镜下的窄带成像(NBI)是一项新兴的光学图像增强技术,能增强黏膜表面与黏膜下血管的对比度,特异性地显示血管分布,并突出黏膜结构的细微变化。同时,它能减少不必要的活检,风险低且成本效益高。近年来,NBI技术逐渐在胃癌、食管癌、鼻咽癌和膀胱癌的诊断中展现出其独特优势。本研究旨在探讨电子支气管镜下NBI对肺癌早期发现和准确诊断的价值,并为肺癌患者提供更经济、更安全、更高效的诊断选择。

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。

获取专属数据定制方案