MRI-DTI评估尿道内括约肌环与前列腺基底形态
本数据集来自 clinicaltrials.gov,为单中心、观察性影像研究,聚焦男性尿道内括约肌环的活体形态。研究采用磁共振弥散张量成像(MRI-DTI)纤维束追踪技术,评估括约肌环形态,并探讨其与前列腺基底形态的关系

基本信息
资源简介
MRI-DTI评估尿道内括约肌环与前列腺基底形态
本数据集来自 clinicaltrials.gov,为单中心、观察性影像研究,聚焦男性尿道内括约肌环的活体形态。研究采用磁共振弥散张量成像(MRI-DTI)纤维束追踪技术,评估括约肌环形态,并探讨其与前列腺基底形态的关系。数据覆盖尿道内括约肌形态、良性前列腺增生与前列腺癌等条件。可用于分析前列腺术后尿失禁相关的括约肌保留与重建问题,为理解膀胱颈保留及控尿重建技术是否保留或重建尿道内括约肌提供活体影像依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:尿道内括约肌形态、良性前列腺增生、前列腺癌。这是一项单中心、观察性影像研究,旨在利用磁共振弥散张量成像(MRI-DTI)纤维束追踪评估男性尿道内括约肌环的活体形态,并研究括约肌环形态与前列腺基底形态之间的关系。前列腺切除术后尿失禁仍是影响男性患者生活质量的重要功能性并发症。尽管膀胱颈保留和控尿相关重建技术在前列腺手术中广泛应用,但直接证明这些方法是否保留或重建尿道内括约肌的活体影像证据仍然有限。传统解剖描述通常将男性内括约肌置于b
【主题与分类】
主题标签:Urethral Internal Sphincter Morphology、Benign Prostatic Hyperplasia、Prostate Cancer。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07694752
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/NCT07694752
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:尿道内括约肌形态、良性前列腺增生、前列腺癌。这是一项单中心观察性影像学研究,旨在利用磁共振弥散张量成像(MRI-DTI)纤维束追踪技术评估男性尿道内括约肌环的活体形态,并探讨括约肌环形态与前列腺基底形态之间的关系。前列腺切除术后尿失禁仍是影响男性患者生活质量的重要功能性并发症。尽管膀胱颈保留及控尿相关重建技术已广泛应用于前列腺手术,但直接证明这些方法是否保留或重建了尿道内括约肌的活体影像学证据仍然有限。传统解剖学描述通常将男性内括约肌定位于膀胱颈和近端尿道区域。然而,临床观察提示,在前列腺增大、前列腺基底突出或膀胱出口区域明显改变的男性中,膀胱颈处可能无法识别出界限清晰的环状平滑肌结构。
这提示内括约肌的位置和形态可能随前列腺生长及前列腺基底部重塑而发生变化。MRI-DTI是一种利用水分子方向性扩散来推断组织纤维走向并重建局部纤维轨迹的成像技术。在本研究中,DTI纤维追踪将与T2加权成像相结合,以显示膀胱颈、前列腺基底部及近端尿道区域的环状肌纤维结构。T2加权成像将为前列腺、膀胱颈和近端尿道提供解剖学参考,而DTI数据将用于尿道内括约肌环的纤维追踪和三维重建。该研究将纳入因临床需要而接受盆腔、精囊或前列腺相关MRI-DTI检查的男性参与者。横断面
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。




