CT影像组学与深度学习无创模型追踪腺癌肝转移原发灶

数据集获取

源站：https://clinicaltrials.gov/study/NCT07871019

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

疾病条件：肝转移、胃腺癌、结直肠腺癌、胆道腺癌、胰腺导管腺癌。肝转移是消化系统腺癌最常见的远处转移形式。约22%的结直肠癌患者和52%的胰腺癌患者在初诊时即存在肝转移。目前认识到两种具有挑战性的临床情形：一是肝转移来源于隐匿性原发肿瘤（原发灶不明癌，CUP）的受试者；二是患有多种原发恶性肿瘤的受试者，其新发现的肝脏病灶无法鉴别为转移性沉积还是新发原发肿瘤。病理活检是鉴别诊断的金标准；然而，其侵入性、采样偏倚及可重复性有限限制了常规临床应用。既往的影像组学和深度学习研究主要针对二分类任务，缺乏多分类的外部验证。本回顾性研究将纳入约500-700例经病理确诊的腺癌肝转移合格受试者。

研究人员将从治疗前的门静脉期增强CT图像中提取放射组学特征，并构建和验证一个用于四分类原发部位鉴别的放射组学-深度学习整合模型。所有影像和临床数据集在分析前将进行完全去标识化处理。不会有参与者为本研究目的接受新的临床干预。

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。