介入放射学中的患者皮肤剂量
该数据集来自 clinicaltrials.gov,关注介入放射学操作中患者皮肤吸收剂量的测量。覆盖的疾病包括动脉瘤、动静脉畸形、冠状动脉闭塞、肺肿瘤和肝肿瘤

基本信息
资源简介
介入放射学中的患者皮肤剂量
该数据集来自 clinicaltrials.gov,关注介入放射学操作中患者皮肤吸收剂量的测量。覆盖的疾病包括动脉瘤、动静脉畸形、冠状动脉闭塞、肺肿瘤和肝肿瘤。研究通过在检查台上铺设矩形剂量计胶片,结合桌面扫描仪与专用软件读取胶片,从而确定患者皮肤的吸收剂量;同时收集患者身高体重,以及放射设备生成的剂量报告(RDSR)中的剂量学信息,如介入参考点空气比释动能、剂量面积乘积、透视时间、X射线管、检查台和探测器位置等。这些数据可用于分析介入操作中的辐射剂量水平,支持剂量预测与辐射防护相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:动脉瘤、动静脉畸形、冠状动脉闭塞、肺肿瘤、肝肿瘤。方法学:本研究将包括: 在安置患者之前,将一张矩形剂量计胶片(尺寸:21 x 30 cm²,厚 1mm)放置在检查台上、铺巾之下。随后使用桌面扫描仪和特定软件读取该胶片,以确定患者皮肤的吸收剂量。该胶片不直接接触患者,也不会改变介入放射学的标准操作流程。 收集患者的体重和身高 * 收集放射设备生成的剂量报告(RDSR)中所示的剂量学信息,该报告在操作结束时自动发送至 RDM DACS 服务器(介入参考点处的空气比释动能、剂量面积乘积、透视时间、X射线管、检查台和探测器位置
【主题与分类】
主题标签:Aneurysm、Arteriovenous Malformations、Coronary Occlusion、Lung Neoplasms、Liver Neoplasms。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04246125
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/NCT04246125
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:动脉瘤、动静脉畸形、冠状动脉闭塞、肺肿瘤、肝肿瘤。方法:本研究将包括:* 在安装患者之前,将矩形剂量计胶片(尺寸:21 x 30 cm²,厚度1mm)置于检查台床单下方。随后使用桌面扫描仪和特定软件读取该胶片,以确定患者皮肤的吸收剂量。胶片不与患者直接接触,且不会改变介入放射学的标准操作流程。* 收集患者的体重和身高信息。* 收集由放射设备生成的剂量报告(RDSR)中所指示的剂量学信息,该报告在操作结束时自动发送至RDM DACS服务器(介入参考点的空气比释动能、剂量面积乘积、透视时间、X射线管、检查台和探测器位置、照射野大小、射束过滤、高电压kV和mA电流)。目前,这些数据按法规要求存档,不改变患者常规护理路径。
这些剂量学信息以及与设备相关的技术信息(放射设备品牌和型号、比释动能校准因子、检查床及床垫厚度)将作为RDM软件的输入数据,用于皮肤剂量计算。最后两点是在患者护理路径的经典框架内实现的,不会改变标准程序。用于验证计算软件的实测吸收剂量与计算吸收剂量之间的比较将以匿名方式进行。所收集的信息无法识别患者身份。
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。




