基于深度学习的sbORN诊断模型
该数据集来自clinicaltrials.gov，聚焦鼻咽癌放疗后严重远期并发症——颅底骨坏死（sbORN）的深度学习诊断研究
基本信息
资源简介
基于深度学习的sbORN诊断模型
该数据集英文名为 Deep Learning-based sbORN Diagnostic Model，来源于 clinicaltrials.gov 注册的一项临床研究，聚焦鼻咽癌（Nasopharyngeal Carcinoma）放疗后的严重远期并发症——颅底骨坏死（skull-base osteonecrosis，sbORN）。研究关注的核心问题是：基于深度学习的诊断模型是否在灵敏度上显著优于放射科医师。研究采用横断面设计，计划在中国广州中山大学孙逸仙纪念医院招募 312 名符合入组条件的参与者。相关主题标签包括鼻咽癌与人疱疹病毒 4 型（Herpesvirus 4, Human）。该数据集所属分类为肿瘤 / 其他，其价值在于针对一种易被误诊为鼻咽癌复发、且可能增加颈内动脉破裂风险的并发症，探索新型诊断工具的应用潜力。
【数据集背景】
颅底骨坏死是鼻咽癌患者接受放疗后出现的一种严重长期并发症。源站描述指出，该并发症会显著降低患者生活质量，增加颈内动脉破裂的风险，并且经常被误诊为鼻咽癌复发。正因如此，临床上迫切需要新型诊断工具。该研究正是在这一背景下提出，试图验证基于深度学习的模型是否比放射科医师具有显著更高的灵敏度，从而为 sbORN 的识别与鉴别诊断提供新的技术路径。
【数据内容】
该数据集围绕基于深度学习的 sbORN 诊断模型构建，服务于鼻咽癌放疗后颅底骨坏死的诊断研究。源站描述中提及的疾病条件包括鼻咽癌与人疱疹病毒 4 型，主题标签同样为鼻咽癌与人疱疹病毒 4 型。关于数据集的具体样本量、影像模态、标注字段、变量结构等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov，对应一项采用横断面设计的研究。研究计划在中山大学孙逸仙纪念医院（位于中国广州）招募 312 名符合 eligibility 标准的参与者。源站描述未进一步说明数据采集的时间范围、设备参数、随访安排或数据脱敏方式，这些内容源站未提供。
【适用场景】
基于源站描述，该数据集适用于鼻咽癌放疗后颅底骨坏死的辅助诊断研究，尤其是评估深度学习模型与放射科医师在诊断灵敏度上的差异。其潜在应用方向包括：帮助区分 sbORN 与鼻咽癌复发，减少误诊；作为新型诊断工具开发与验证的数据基础。由于该并发症可能增加颈内动脉破裂风险并影响生活质量，相关模型研究对临床决策支持具有潜在意义。其他具体应用场景源站未提供。
【使用方法】
源站描述仅说明研究旨在检验深度学习模型是否较放射科医师具有显著更高的灵敏度，未提供数据访问方式、模型训练流程、评估指标定义或使用许可条款。因此，关于如何具体使用该数据集，源站未提供。
【质量与限制】
该研究采用横断面设计，计划招募 312 名符合入组条件的参与者，样本来自单一医院（中山大学孙逸仙纪念医院）。源站描述未提供数据质量评估、标注一致性、外部验证或偏倚控制等信息，这些内容源站未提供。由于缺乏多中心验证与详细方法学说明，使用者在解释模型灵敏度结论时需谨慎。
【引用与许可】
该数据集来源于 clinicaltrials.gov 注册研究，源站描述未提供引用格式、许可协议或数据共享条件，相关内容源站未提供。
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/NCT06463392
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：鼻咽癌，人疱疹病毒4型。颅底骨坏死（sbORN）是鼻咽癌（NPC）放疗后一种严重的远期并发症，显著降低生活质量，增加颈内动脉破裂风险，且常被误诊为鼻咽癌复发。因此，新型诊断工具具有重要的临床意义。在本研究中，研究者试图探究基于深度学习的模型是否显示出显著高于放射科医师的敏感性。采用横断面设计，研究者计划在中国广州中山大学孙逸仙纪念医院招募312名符合入选标准的参与者。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
