胆管癌淋巴结术前评估（POELH-III）
该数据集来自 clinicaltrials.gov，为 POELH-III 随访观察性队列研究，聚焦肝门部、肝内及中段胆总管胆管癌患者术前淋巴结转移的评估
基本信息
资源简介
胆管癌淋巴结术前评估（POELH-III）
该数据集来自 clinicaltrials.gov，为 POELH-III 随访观察性队列研究，聚焦肝门部、肝内及中段胆总管胆管癌患者术前淋巴结转移的评估。研究在 POELH-II 试验（NCT05678218）基础上改进 EUS 方案，系统扫查淋巴结以术前识别转移。数据可用于评估改进后术前 EUS 对淋巴结转移的检出效能，并分析患者入组数量等指标，服务于胆管癌术前分期与手术决策相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肝门部胆管癌、肝内胆管癌（Icc）、胆管癌、围肝门胆管癌、胆总管肿瘤、胆道腺癌。在 POELH-II 试验（Clinicaltrials.gov ID NCT05678218）中， presumed 可切除的围肝门（pCCA）、肝内（iCCA）或中段胆总管（CBD）胆管癌患者，其术前内镜超声（EUS）的结局被登记。该 EUS 操作是系统进行的，针对淋巴结（LNs），目的是术前识别淋巴结转移。本随访观察性队列研究（POELH-III）的目标是评估术前 EUS 的产出，采用改进的 EUS 方法。POELH-II 试验中使用的 EUS 方案根据 POELH-II 试验的初步结果进行了改进。它旨在回答的主要问题是：- 患者数量 preclude
【主题与分类】
主题标签：Hilar Cholangiocarcinoma、Intrahepatic Cholangiocarcinoma (Icc)、Cholangiocarcinoma、Perihilar Cholangiocarcinoma、Common Bile Duct Neoplasms、Adenocarcinoma of Biliary Tract。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07161869
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/NCT07161869
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：肝门部胆管癌、肝内胆管癌（Icc）、胆管癌、围肝门部胆管癌、胆总管肿瘤、胆道腺癌。在POELH-II试验（Clinicaltrials.gov注册号NCT05678218）中，对推测可切除的围肝门部（pCCA）、肝内（iCCA）或中段胆总管（CBD）胆管癌患者，记录了其术前超声内镜（EUS）检查的结果。该EUS操作是系统性地进行的，以淋巴结（LNs）为目标，旨在术前识别淋巴结转移。这项随访观察性队列研究（POELH-III）的目的是评估术前EUS的检出率，并采用改进的EUS方法。POELH-II试验中使用的EUS方案根据该试验的初步结果进行了改进。它旨在回答的主要问题是：- 因EUS引导下组织采集发现区域或区域外淋巴结阳性而被排除于手术评估之外的患者数量
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。
