3D腹腔镜与2D腹腔镜在肾上腺手术中应用的随机临床试验
该数据集来自clinicaltrials.gov,围绕肾上腺肿瘤手术中3D腹腔镜与2D腹腔镜的比较展开。源站描述指出,腹腔镜肾上腺切除术是肾上腺肿瘤治疗的金标准,相比开放手术可降低围手术期并发症、减少出血和术后疼痛并缩短住院时间,但腹腔镜手术学习难度更高,术者需在三维空间中操作却依赖二维图像,高清摄

基本信息
资源简介
3D腹腔镜与2D腹腔镜在肾上腺手术中应用的随机临床试验
该数据集来自clinicaltrials.gov,围绕肾上腺肿瘤手术中3D腹腔镜与2D腹腔镜的比较展开。覆盖的疾病包括Adrenal Mass、Adrenal Adenoma和Adrenal Gland Neoplasms。源站描述指出,腹腔镜肾上腺切除术是肾上腺肿瘤治疗的金标准,相比开放手术可降低围手术期并发症、减少出血和术后疼痛并缩短住院时间,但腹腔镜手术学习难度更高,术者需在三维空间中操作却依赖二维图像,高清摄像头也无法消除2D腹腔镜缺乏深度感知和空间定向丧失的主要局限。该数据可用于比较两种术式相关结局的研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Adrenal Mass、Adrenal Adenoma、Adrenal Gland Neoplasms。腹腔镜肾上腺切除术目前被认为是肾上腺肿瘤治疗的金标准。该技术由Gagner于1992年首次描述,过去几年多项研究显示,与开放肾上腺切除术相比,腹腔镜入路具有优势,可降低围手术期并发症、降低并发症发生率、减少术中出血、减轻术后疼痛并缩短住院时间。腹腔镜手术比开放剖腹手术更难学习,需要不同的精神运动技能。事实上,外科医生必须在三维空间中操作,却由二维图像引导。高清摄像头的发展并未消除二维(2D)腹腔镜的主要局限:缺乏深度感知和空间定向丧失
【主题与分类】
主题标签:Adrenal Mass、Adrenal Adenoma、Adrenal Gland Neoplasms。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06576336
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/NCT06576336
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:肾上腺肿块、肾上腺腺瘤、肾上腺肿瘤。腹腔镜肾上腺切除术目前被认为是治疗肾上腺肿瘤的金标准。该技术由Gagner于1992年首次描述,过去几年中多项研究表明,与开放肾上腺切除术相比,腹腔镜入路具有围手术期发病率降低、并发症发生率更低、术中失血更少、术后疼痛更轻以及住院时间更短等优势。腹腔镜手术的学习难度更大,且与开放剖腹手术相比需要不同的精神运动技能。事实上,外科医生必须在三维空间中操作,但却受二维图像引导。高清摄像头的发展并未消除二维(2D)腹腔镜的主要局限性:深度感知缺失和空间定向丧失,可能增加外科医生的疲劳、失误风险以及手术时间。三维(3D)高清腹腔镜作为传统2D腹腔镜的替代方案被开发出来。
在文献中,关于3D腹腔镜肾上腺切除术应用的临床研究仍然很少,且结果各异。因此,研究人员提出了一项国际多中心研究,旨在比较3D腹腔镜肾上腺切除术与标准腹腔镜肾上腺切除术。
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。




