EURAD-MR 分类:欧洲多中心研究
研究对象为超声检查提示附件肿块性质不确定、转诊接受 MR 成像的连续患者。数据可用于评估 ADNEXMR SCORING 系统在外部前瞻性多中心场景下报告盆腔 MRI 检查的相关性,并分析该评分对治疗策略的潜在影响(来源 clinicaltrials.gov)

基本信息
资源简介
EURAD-MR 分类:欧洲多中心研究
EURAD-MR Classification 是一项来自 clinicaltrials.gov 的欧洲多中心研究数据集,聚焦卵巢肿瘤。研究对象为超声检查提示附件肿块性质不确定、转诊接受 MR 成像的连续患者。数据可用于评估 ADNEXMR SCORING 系统在外部前瞻性多中心场景下报告盆腔 MRI 检查的相关性,并分析该评分对治疗策略的潜在影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:卵巢肿瘤。所有因超声检查发现附件肿块性质不确定而转诊接受 MR 成像的患者将在各中心连续纳入。纳入标准 患者 ≥ 18 岁 超声检查发现附件肿块性质不确定 知情同意。非纳入标准 孕妇 心脏起搏器、铁磁性材料或存在移位风险的外来异物 对碘化或钆对比剂不耐受,或严重肾功能不全(GFR <30 ml/min/1.73m²)。目标 • 主要目标:评估 ADNEXMR SCORING 系统在外部前瞻性多中心研究中,对因超声检查附件肿块性质不确定而进行的盆腔磁共振成像(MRI)检查进行报告时是否具有相关性 • 次要目标与终点:评估 1. 应用该评分对治疗策略的潜在影响
【主题与分类】
主题标签:Ovarian Tumor。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01738789
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/NCT01738789
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
疾病:卵巢肿瘤。所有因超声检查发现附件区不确定肿块而转诊进行磁共振成像的患者将在各中心连续纳入。纳入标准 * 患者年龄≥18岁 * 超声检查发现附件区不确定肿块 * 知情同意。非纳入标准 * 孕妇 * 心脏起搏器、铁磁性材料或存在移位风险的外来异物 * 对碘化或钆对比剂不耐受,或严重肾功能不全(GFR<30毫升/分钟/1.73平方米)。目标 • 主要目标:评估ADNEXMR评分系统在一项外部前瞻性多中心研究中,对于因超声检查附件区不确定肿块特征描述而进行的盆腔磁共振成像(MRI)检查报告的相关性 • 次要目标及终点:评估 1. 应用该评分对治疗策略的潜在影响,特别是衡量良性病例中肿瘤手术可能减少的程度 2. ADNEXMR评分系统是否提高附件区肿块特征描述MR报告的可重复性 3.
如果放射科医生对任何临床和超声数据均不知情,ADNEXMR评分系统是否仍然同样准确?主要终点:根据ADNEXMR评分系统与组织学结果(或随访结果,见下文“参考标准”)进行比较,对真阴性和假阴性率进行联合分析,并评估该评分的敏感性和特异性。
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。




