人工智能模型用于前列腺癌精准预测与治疗

数据集获取

源站：https://clinicaltrials.gov/study/NCT06662708

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：前列腺癌、前列腺导管内癌、前列腺癌侵袭性、前列腺癌分期、病理学。基于人工智能技术，通过勾勒标注的前列腺癌全切片图像与MRI之间的定量映射关联，并阐明共同特征，构建预测模型。首先，该模型能准确诊断前列腺癌的根治性病理，可免于免疫组化获得详细病理信息；其次，所建立的人工智能预测模型能通过预测参与者在手术或穿刺前的MRI图像，准确诊断前列腺癌的良恶性、侵袭性、分级及亚型，从而在手术或穿刺前为患者制定个性化治疗方案。最后，基于人工智能技术，模型从MRI图像中学习，并在手术/穿刺前对前列腺及病灶进行三维重建，从而明确病灶的确切位置，指导穿刺或手术治疗。

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。