CT结肠成像的结肠外发现
该数据集源自 clinicaltrials.gov，主题为 CT 结肠成像（CTC）中的结肠外发现，涉及孤立性肺结节、多发性肺结节、肾肿瘤、肾上腺肿瘤、腹主动脉瘤、肝肿瘤、附件与皮肤附属器肿瘤及淋巴结病等
基本信息
资源简介
CT结肠成像的结肠外发现
该数据集源自 clinicaltrials.gov，主题为 CT 结肠成像（CTC）中的结肠外发现，涉及孤立性肺结节、多发性肺结节、肾肿瘤、肾上腺肿瘤、腹主动脉瘤、肝肿瘤、附件与皮肤附属器肿瘤及淋巴结病等。原始 ACRIN 6664 全国 CT 结肠成像试验包含 15 个参与站点、共 2531 名受试者；ACRIN 7151 试验的目标数据集为 520 名受试者，分为三组：排除肺结节的 E3/E4 病例组（n=141）、E3/E4 肺结节病例组（n=119）和 E1 对照组（n=260）。可用于结肠外发现的分类与随访研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：孤立性肺结节、多发性肺结节、肾肿瘤、肾上腺肿瘤、腹主动脉瘤、肝肿瘤、附件与皮肤附属器肿瘤、淋巴结病。原始 ACRIN 6664 全国 CT 结肠成像试验包含 15 个参与站点，总研究数据集为 2531 名受试者。ACRIN 7151 试验的目标研究数据集为 520 名受试者，分配到三个队列之一：排除肺结节的 E3/E4 病例组（n = 141）、E3/E4 肺结节病例组（n = 119）和 E1 对照组（n = 260）（见第 8.6 节）。医疗记录将由站点从其实验机构以及受试者在 ACRIN 6664 试验期间确定的基础保健提供者处收集。初始记录收集将包括所有队列 CTC 后的六个月。额外的医疗记录收集
【主题与分类】
主题标签：Solitary Pulmonary Nodules、Multiple Pulmonary Nodules、Renal Neoplasms、Adrenal Gland Neoplasms、Aortic Aneurysm, Abdominal、Liver Neoplasms、Adnexal and Skin Appendage Neoplasms、Lymphadenopathy、Pancreatic Neoplasms。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01465425
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/NCT01465425
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：孤立性肺结节、多发性肺结节、肾肿瘤、肾上腺肿瘤、腹主动脉瘤、肝肿瘤、附件及皮肤附属器肿瘤、淋巴结病。原始ACRIN 6664国家CT结肠成像试验包括15个参与站点，总研究数据集包含2531名参与者。ACRIN 7151试验的目标研究数据集为520名参与者，分配至三个队列之一：排除肺结节的E3/E4病例组（n=141）、E3/E4肺结节病例组（n=119）和E1对照组（n=260）（见第8.6节）。医疗记录将由站点从其机构以及参与者在ACRIN 6664试验期间确定的主要保健提供者处收集。初始记录收集将涵盖所有队列CTC后的六个月。为了确定主要终点，可能需要额外收集医疗记录（来自其他主要保健提供者、专科医生和医院，以及更长时间段）。ECF根据ACRIN 6664试验期间CTC的原始放射学解读进行分类。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
