LEAF 肝脏肿瘤检测与分类 AI 数据集
LEAF 是一项在 FAHZU 开展的前瞻性真实世界试验数据集，面向肝脏恶性肿瘤。数据覆盖约 2500 例连续接受非增强 CT 检查的患者，自 2026 年 7 月起入组，扫描图像在常规临床流程中由放射科医师审阅并由 LEAF 实时处理，用于标记潜在肝脏病灶
基本信息
资源简介
LEAF 肝脏肿瘤检测与分类 AI 数据集
LEAF 是一项在 FAHZU 开展的前瞻性真实世界试验数据集，面向肝脏恶性肿瘤。数据覆盖约 2500 例连续接受非增强 CT 检查的患者，自 2026 年 7 月起入组，扫描图像在常规临床流程中由放射科医师审阅并由 LEAF 实时处理，用于标记潜在肝脏病灶。该数据可用于肝脏病灶检测与分类算法的开发与验证，并支持 AI 预警在临床工作流中的评估（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肝脏恶性肿瘤。这项前瞻性真实世界试验将在中国大陆一家高就诊量三级医疗中心 FAHZU 开展。LEAF 将通过 DAMO Intelligent Medical Imaging 接口部署于医院信息系统内，使其能够实时标记潜在肝脏病灶。自 2026 年 7 月起，将连续入组约 2500 例接受非增强 CT 检查的患者。所有传入的非增强胸部与腹部 CT 扫描将在常规临床工作流中由放射科医师同步审阅，并由 LEAF 实时处理。研究团队将维护 LEAF 阳性警报的每日日志。由肝胆外科医师和腹部放射科医师组成的预设临床行动委员会将审阅病例，以评估 AI 发现是否需要传达给治疗医师。
【主题与分类】
主题标签：Liver Malignancy。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06859840
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/NCT06859840
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：肝脏恶性肿瘤。这项前瞻性真实世界试验将在中国大陆一家高容量三级医疗中心FAHZU开展。LEAF将通过DAMO Intelligent Medical Imaging接口部署于医院信息系统内，使其能够实时标记潜在的肝脏病变。自2026年7月起，将连续入组约2500例接受平扫CT检查的患者。所有传入的胸部及腹部平扫CT扫描将在常规临床工作流程中由放射科医师同步审阅，并由LEAF实时处理。研究团队将每日记录LEAF阳性警报日志。由肝胆外科医师和腹部放射科医师组成的预设临床行动委员会将审查病例，以评估该AI发现是否需要告知这些患者的治疗医师。对于疑似恶性肝脏肿瘤的患者，委员会就存在可疑病变达成的共识将传达给其主治医师，随后由主治医师根据标准临床实践决定是否有指征进行进一步诊断评估。
该研究不会改变标准放射学工作流程，LEAF将作为风险分层和病例标记工具进行评估，而非替代放射科医生的判读。
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。
