72例颈椎哑铃型神经鞘瘤病例

该数据集包含72例颈椎哑铃型神经鞘瘤患者的医学影像(主要为MRI)及临床数据,模态涉及医学影像和临床表格信息,主要用于研究MRI特征(如肿瘤大小、位置、信号强度、椎动脉受累)对肿瘤全切除可能性的预测,服务于神经外科手术规划与影像分析研究。

Mendeley Data
2024-03-27 更新
浏览 19
医学影像分析神经外科
72 Cases of Cervical Dumbbell Schwannomas

基本信息

大小
0.000017468 GB
创建/更新时间
2024-03-27
版本
v1

资源简介

72例颈椎哑铃型神经鞘瘤病例

【数据集背景】

本数据集源站标题为《72cases of Cervical Dumbbell Schwannomas》。源站首次发布:2018-09-21。

【数据内容】

源站原始描述:MRI features may predict the resectability of cervical dumbbell schwannomas. Tumor size and level differed between subtotal and gross total resection (GTR). Vertebral artery (VA) involvement and signal intensity (SI) on T2-WI also differed. Tumor size, high cervical level, pushed/encased VA, and hyper-SI predicted GTR. Only high cervical level and encased VA predicted GTR in multivariate analyses

【数据结构与技术规格】

文件数 1 个,合计 17.47 KB。数据集 DOI:10.17632/mn2m8h492c.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/mn2m8h492c

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://data.mendeley.com/datasets/mn2m8h492c

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

该数据集是一个专注于颈椎哑铃型神经鞘瘤的医学影像数据集,包含72例患者的病例信息。数据集主要提供了患者的MRI影像特征及相关临床数据,旨在研究MRI特征(如肿瘤大小、位置、T2加权像信号强度、椎动脉受累情况等)与肿瘤可切除性(特别是全切除的可能性)之间的预测关系。数据来源于临床回顾性研究,通过分析肿瘤大小、颈椎节段水平、椎动脉被推移或包绕的程度以及T2像高信号等特征,构建预测模型。该数据集主要用于神经外科手术规划、医学影像分析及预后预测研究,为临床医生术前评估提供数据支持。

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