气道光学相干断层扫描用于肺癌或肺部疾病

该数据集来自 clinicaltrials.gov,聚焦气道光学相干断层扫描(OCT)在肺癌或肺部疾病中的应用。覆盖的病症包括肺癌、恶性间皮瘤、转移性癌症、非恶性新生物及癌前病变

Case Comprehensive Cancer CenterCase Comprehensive Cancer Center
clinicaltrials
浏览 11
医学影像图像分割Lung CancerMalignant MesotheliomaMetastatic CancerNonmalignant NeoplasmPrecancerous Condition
Optical Coherence Tomography of the Airway for Lung Cancer or Lung Disease

基本信息

模态
医学影像
任务类型
图像分割
创建/更新时间
2026-10-10

资源简介

气道光学相干断层扫描用于肺癌或肺部疾病

该数据集来自 clinicaltrials.gov,聚焦气道光学相干断层扫描(OCT)在肺癌或肺部疾病中的应用。覆盖的病症包括肺癌、恶性间皮瘤、转移性癌症、非恶性新生物及癌前病变。数据涉及对手术中采集的肺组织样本进行支气管镜成像与 OCT 扫描,并对所有成像区域进行标记,随后切除标记区域并固定于福尔马林中进行组织病理学分析。可用于将气道 OCT 图像与气道组织学进行关联,并开发检测癌前气道上皮改变(原位癌、异型增生)的成像技术,以研究转化过程并干预和预防肺癌的发生(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:肺癌、恶性间皮瘤、转移性癌症、非恶性新生物、癌前病变。目标: 将气道的光学相干断层扫描图像与气道组织学进行关联。 开发一种成像技术,以检测癌前气道上皮改变(原位癌、异型增生),从而研究转化过程,并干预和预防肺癌的发生。概述:对手术中采集的肺组织样本进行支气管镜成像和光学相干断层扫描。所有成像区域均被标记。随后切除标记区域并固定于福尔马林中,用于组织病理学分析。

【主题与分类】

主题标签:Lung Cancer、Malignant Mesothelioma、Metastatic Cancer、Nonmalignant Neoplasm、Precancerous Condition。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00733252

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/NCT00733252

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

疾病:肺癌、恶性间皮瘤、转移性癌症、非恶性新生物、癌前病变。目的:* 将气道的光学相干断层扫描图像与气道组织学相关联。* 开发一种成像技术,以检测癌前气道上皮变化(原位癌、异型增生),从而研究转化过程,并干预和预防肺癌的发展。概要:对手术期间收集的肺组织样本进行支气管镜成像和光学相干断层扫描。所有成像区域均被标记。随后,标记区域被切除并固定在福尔马林中,用于组织病理学分析。

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