基于临床、影像、生物学及组织因素的微波消融体积变异性

该数据集来自 clinicaltrials.gov,聚焦肝脏肿瘤经皮微波消融中实际消融体积与计划体积的差异问题。源站描述指出,消融规划依赖源自离体模型的厂商表格,未考虑患者或肿瘤特异性因素,临床实践中实际消融体积常因肝脏特征、血管邻近及肿瘤生物学而偏离计划体积

Central Hospital, Nancy, FranceCentral Hospital, Nancy, France
clinicaltrials
浏览 2
医学影像回归Liver Neoplasm
Variability of Microwave Ablation Volume Based on Clinical, Radiological, Biological, and Tissue Factors

基本信息

模态
医学影像
任务类型
回归
创建/更新时间
2026-10-27

资源简介

基于临床、影像、生物学及组织因素的微波消融体积变异性

该数据集来自 clinicaltrials.gov,聚焦肝脏肿瘤经皮微波消融中实际消融体积与计划体积的差异问题。源站描述指出,消融规划依赖源自离体模型的厂商表格,未考虑患者或肿瘤特异性因素,临床实践中实际消融体积常因肝脏特征、血管邻近及肿瘤生物学而偏离计划体积。研究拟评估肝病灶经皮微波消融中小轴的可变性,考察患者相关因素(纤维化、脂肪变性、门静脉血流)与肿瘤相关因素(位置、组织学、既往治疗)的影响,并将小轴与体积同术后即刻CT及6-12周CT/MRI测量的体积进行比较,同时考虑预期组织皱缩。数据可用于消融体积变异性分析与预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):Conditions: Liver Neoplasm。微波消融是一种微创技术,其规划依赖源自离体模型的厂商表格,这些表格未考虑患者或肿瘤特异性因素。临床实践中,由于肝脏特征、血管邻近和肿瘤生物学,实际消融体积常与计划体积不同。本研究旨在评估肝病灶经皮微波消融期间消融小轴之间的变异性。将评估患者相关因素(纤维化、脂肪变性、门静脉血流)和肿瘤相关因素(位置、组织学、既往治疗)的影响。小轴和体积将与术后即刻CT以及6-12周CT/MRI测量的体积进行比较,并考虑预期的组织皱缩。

【主题与分类】

主题标签:Liver Neoplasm。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07413640

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07413640

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:肝脏肿瘤。微波消融是一种微创技术,其规划依赖于基于离体模型制定的厂商参数表,而这些模型并未考虑患者或肿瘤特异性因素。在临床实践中,由于肝脏特征、血管邻近程度及肿瘤生物学特性,实际消融体积常与规划体积存在差异。本研究旨在评估经皮微波消融肝脏病灶过程中消融短轴的可变性,并将评估患者相关因素(纤维化、脂肪变性、门静脉血流)及肿瘤相关因素(位置、组织学、既往治疗)的影响。短轴和体积将与术后即刻CT及6-12周CT/MRI测量的体积进行比较,并考虑预期的组织皱缩。

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。

获取专属数据定制方案