头颈癌治疗中图像引导自适应放疗肿瘤检测研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT01843673

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：头颈部癌症。I. 进行一项临床影像学研究，利用三种新型室内成像系统：斜位Brainlab ExacTrac图像、正交Varian千伏（kV）机载成像（OBI）图像和Varian锥形束计算机断层扫描（CBCT）成像，以评估它们相对于每周兆伏（MV）电子射野成像装置（EPID）图像在减少分次间和分次内摆位误差方面的性能，使用骨性标志和软组织变化对接受外照射放射治疗（RT）的头颈部癌症（HNC）患者进行评估。II. 评估CBCT成像在测量头颈部（HN）区域系统性软组织变化方面的准确性，相对于传统高分辨率对比增强扇形束计算机断层扫描（CT）（FBCT）作为标准。III. 使用每日CBCT成像相对于骨性标志对齐来评估系统性和随机性软组织运动误差，以评估放疗期间软组织成像的益处。IV. 使用每日CBCT成像量化整个放疗过程中的软组织变化（例如肿瘤缩小）。V.

确定将测得的摆位误差和软组织运动不确定性，结合系列CBCT图像上观察到的体积变化，用于使用现有计划工具对HNC患者进行离线自适应再计划的可行性。VI. 在靶区覆盖和正常组织保护方面，量化自适应图像引导放疗（IGRT）在HN患者中的获益。VII. 确定开展一项I/II期试验的可行性，以评估图像引导自适应放疗（IGART）在急性和晚期毒性及肿瘤控制方面的临床获益。VIII. 建立一个HNC患者数据库，以便未来使用可变形图像配准和虚拟临床试验（VCTs）对IGART流程进行验证。大纲：患者在治疗前接受一次FBCT，之后每周一次，共6-7次扫描；每周最多5次双CBCT，共33-35次扫描；2维

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。