人工智能用于生殖医学超声诊断

数据集获取

源站：https://clinicaltrials.gov/study/NCT07810920

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：子宫内膜异位症、子宫腺肌病、平滑肌瘤（子宫肌瘤）、子宫肿瘤、先天性异常、女性不孕症。这项观察性研究的目的是开发并验证基于人工智能（AI）的算法，以支持对18-45岁女性子宫内膜异位症、子宫腺肌病、子宫肌层肿块、子宫畸形及子宫内膜容受性受损的超声诊断。其主要旨在回答的问题包括：应用于标准化经阴道超声图像的AI算法能否在常规检查中实时准确检测和分类子宫内膜异位症和子宫腺肌病？基于AI的超声评估能否预测子宫肌层肿块的组织学性质，以及根据子宫内膜特征预测辅助生殖（AR/IVF）成功结局的可能性？

在塞梅尔维斯大学妇产科就诊的参与者，若临床怀疑子宫内膜异位症或子宫腺肌症、确诊子宫肌层肿块并计划手术、疑似子宫畸形或计划接受IVF治疗，将接受标准化经阴道超声检查（遵循IDEA、MUSA和IETA方案），同时收集临床、问卷数据，并在进行手术的情况下收集组织病理学数据。影像和临床数据将用于构建数据库，以支持AI算法的开发和验证。

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。