AI辅助上呼吸消化道病变内镜检查

数据集获取

源站：https://clinicaltrials.gov/study/NCT07596355

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：上呼吸消化道肿瘤、上呼吸消化道癌症、上呼吸消化道（UADT）肿瘤、鳞状细胞癌、白斑、头颈癌（H&N）、声带疾病、声带息肉。所开发的人工智能算法将应用于喉部病变的分析，涉及3项任务：* 任务1：计算机辅助诊断（CADx）：算法提供良性与恶性肿瘤之间的鉴别诊断（二分类）及确切的组织学类型（多分类）。在门诊进行的UADT视频内镜检查中，医生执行视频内镜检查，并选择并捕获病变的3个白光（WL）和3个窄带成像（NBI）显著帧。AI模型记录算法的分类输出，而医生无法访问这些信息。预测的病理结果最终将以两种不同的分类形式展示，并附有AI算法估计的每个预测的概率（0%至100%）：首先是二分类“肿瘤性”或“非肿瘤性”，其次是具有确切组织学类型的多分类。

随后，医生将根据内镜检查结果，在相应的患者病历中写下疑似诊断（良性或恶性病变及实际组织学）。接下来，医生会查看所拍摄的截图，并确保每一张截图中都能看到病变。回顾性地，一名对医生评估不知情的研究者将审查经AI处理的帧及其生成的CADx分类结果，并在患者病历中标注AI处理后的诊断。一旦进行活检，研究者会将经最终组织病理学检查分析的病变最终组织学记录在患者病历中。研究者最终将比较两种记录的诊断（CADx和医生诊断）与最终组织学结果。* 任务2：计算机辅助检测（CADe）：该算法通过矩形（边界框）表示，在门诊部的视频内镜检查过程中实时定位病变。在UADT视频内镜检查期间，医生进行视频内镜检查

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。