使用追踪装置在侵入性操作中定位异常
该数据集来自 clinicaltrials.gov,主题为肿瘤/前列腺癌,涉及腺癌、前列腺肿瘤、前列腺癌、肾细胞癌及 Von Hippel Lindau 病

基本信息
资源简介
使用追踪装置在侵入性操作中定位异常
该数据集来自 clinicaltrials.gov,主题为肿瘤/前列腺癌,涉及腺癌、前列腺肿瘤、前列腺癌、肾细胞癌及 Von Hippel Lindau 病。源站描述指出,当前在手术、血管造影、CT 引导或超声引导活检或消融中靶向病灶或特定区域的有效性可能受术中靶点可见性限制,准确治疗干预可能取决于准确的装置放置,而在某些情况下(如肝肿瘤仅在对比剂注射的短暂动脉期可见)非常困难。追踪装置有望通过允许术中利用术前影像来大幅改善手术、血管造影、图像引导治疗和诊断操作(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:腺癌、前列腺肿瘤、前列腺癌、肾细胞癌、Von Hippel Lindau 病。背景:目前,在手术、血管造影、CT 引导或超声引导活检或消融中靶向病灶或特定区域的有效性可能受术中靶点可见性的限制。准确的治疗干预可能取决于准确的装置放置,这在某些情况下可能非常困难,例如当肝肿瘤仅在对比剂注射的短暂动脉期可见、随后在动态成像上迅速消失时。通过允许在术中利用术前影像(例如难以可视化或短暂可见靶点的位置),手术、血管造影、图像引导治疗和诊断操作可能得到极大改善。追踪装置允许
【主题与分类】
主题标签:Adenocarcinoma、Prostate Neoplasms、Prostate Cancer、Renal Cell Carcinoma、Von Hippel Lindau Disease。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00102544
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/NCT00102544
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:腺癌、前列腺肿瘤、前列腺癌、肾细胞癌、Von Hippel Lindau病。背景:目前,针对病灶或特定区域进行手术、血管造影、CT引导或超声引导下的活检或消融的有效性,可能受限于操作过程中靶标的可见性。精确的治疗干预可能取决于器械的准确放置,而在某些情况下这可能非常困难,例如当肝脏肿瘤仅在对比剂注射的短暂动脉期可见,随后在动态成像中迅速消失时。通过使术前成像能够在操作过程中使用[例如难以可视化或短暂可见靶标的位置],手术、血管造影、图像引导治疗和诊断程序可以得到极大改善。追踪设备允许在操作过程中使用术前成像。拥有这些信息可以极大地提高手术、血管造影、CT引导或超声引导活检或消融的靶向准确性。
一种改进靶向定位的方法未来可能使患者获益,其途径是减少CT扫描或活检透视监测过程中的总辐射暴露,或降低某些手术风险,尽管这些并非本研究的特定主题。20世纪和21世纪以来,神经外科中曾使用各种器械追踪方法,利用立体定向框架达到类似目的,在侵入性操作过程中将术前影像与患者进行配准以指导治疗。目标:明确电磁追踪在特定患者人群介入操作中的临床效用。入选条件:1. 所有患者必须具有数字格式的CT、MR或PET扫描影像。2. 年龄大于18岁。3. 患者必须已 actively 入组NIH方案,并计划接受手术、血管造影或CT或超声引导下活检。设计:这是一项探索性介入研究,考察引导系统的使用
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。




