近红外荧光评估胃肠道吻合口灌注率
该数据集来自 clinicaltrials.gov,聚焦于利用吲哚菁绿近红外荧光(ICG-NIRF)评估胃肠道及肝胆吻合区域的血液供应与肠管灌注

基本信息
资源简介
近红外荧光评估胃肠道吻合口灌注率
该数据集来自 clinicaltrials.gov,聚焦于利用吲哚菁绿近红外荧光(ICG-NIRF)评估胃肠道及肝胆吻合区域的血液供应与肠管灌注。覆盖肠梗阻、肠缺血、憩室炎、胃肠道异常、胃肠道症状性疾病、回肠造口、胃肠道肿瘤及克罗恩病等病症。研究为前瞻性非随机队列,按标准诊疗对相应疾病(含非恶性与恶性)实施上消化道、下消化道或肝胆手术并吻合。数据可用于灌注评估相关分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:肠梗阻、肠缺血、憩室炎、胃肠道异常、胃肠道症状性疾病、回肠造口、胃肠道肿瘤、克罗恩病。通过吲哚菁绿(ICG)进行的近红外荧光(ICG-NIRF)利用静脉注射的吲哚菁绿(ICG)的荧光特性,作为组织和肠管灌注的血管内指示剂。研究者假设ICG-NIRF是一种合适、可靠且精确的方法,用于可视化胃肠道和肝胆吻合口形成区域的血液供应和肠管灌注。在这项前瞻性、非随机队列研究中,相应的上消化道、下消化道或肝胆手术及吻合术根据相应疾病(包括非恶性和恶性)的标准诊疗和适应证进行。
【主题与分类】
主题标签:Bowel Obstruction、Bowel Ischemia、Diverticulitis、Stoma Ileostomy、Cancer of the Gastrointestinal Tract、Crohn Disease、Ulcerative Colitis、Familial Adenomatous Polyposis、Pancreatic Neoplasms、Hepatobiliary Neoplasm。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04709445
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/NCT04709445
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:肠梗阻、肠缺血、憩室炎、胃肠道异常、胃肠道症状性疾病、回肠造口、胃肠道癌症、克罗恩病。吲哚菁绿近红外荧光(ICG-NIRF)利用静脉注射的吲哚菁绿的荧光特性,作为组织和肠道灌注的血管内指示剂。研究者假设ICG-NIRF是一种合适、可靠且精确的方法,用于可视化胃肠和肝胆吻合口形成区域的血液供应和肠道灌注。在这项前瞻性、非随机队列研究中,相应的上消化道、下消化道或肝胆手术及吻合术根据相应疾病的标准治疗和指征进行,包括非恶性、恶性和炎症性疾病。
研究中包含以下手术,根据外科医生的选择,可采用开腹或腹腔镜手术:
上消化道手术:
- 食管切除术
- 次全或全胃切除术,伴或不伴空肠袋重建
- Y-Roux吻合重建
- 右半或左半结肠间置术(等蠕动或逆蠕动)
下消化道手术:
- 空肠或回肠节段性切除术
- 回肠/回盲部切除术
- 结肠切除术,伴恢复性回肠袋成形及回肠袋-肛管吻合术
- 左半或右半结肠切除术
- 乙状结肠切除术
- 直肠切除术(低位前切除术(LAR)、直肠切除术伴结肠-肛管吻合术、腹会阴联合切除术)
- 造口还纳术
肝胆手术:
- 胰十二指肠切除术
参与研究及注射ICG的书面知情同意书于手术前一天获取。术中,将吲哚菁绿(ICG,VerDye,Diagnostic Green GmbH,德国阿施海姆,25 mg/瓶)溶于5 mL无菌水中,配制成5 mg/mL的浓度。随后,将在连续三个时间点经静脉推注给药,每个时间点最多推注2 mL。
每位患者使用的ICG总剂量不超过30毫克。术中实时可视化通过
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。




