使用3D打印模型对耳鼻喉科患者进行手术教育的效果:一项调查
该数据集来自clinicaltrials.gov,聚焦耳鼻喉科领域,涉及病理性解剖状况与鼻中隔偏曲。研究利用先进喷墨3D打印方法,基于临床X射线计算机断层扫描(CT)数据,制作患者鼻窦解剖结构的多材料复制品,并经过多次迭代优化材料特性、解剖准确性和整体展示效果

基本信息
资源简介
使用3D打印模型对耳鼻喉科患者进行手术教育的效果:一项调查
该数据集来自clinicaltrials.gov,聚焦耳鼻喉科领域,涉及病理性解剖状况与鼻中隔偏曲。研究利用先进喷墨3D打印方法,基于临床X射线计算机断层扫描(CT)数据,制作患者鼻窦解剖结构的多材料复制品,并经过多次迭代优化材料特性、解剖准确性和整体展示效果。随后开展了一项两臂、单中心、随机、前瞻性研究,纳入50名耳鼻喉科手术候选患者。该数据可用于患者教育效果评估、手术沟通研究以及3D打印医学模型相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:病理性状况,解剖性,鼻中隔偏曲。在耳鼻喉(ENT)医学领域,相对较少的患者会坚持完成择期手术,以修复鼻中隔偏曲或窦道阻塞等疾病。患者对其诊断和治疗方案的理解对于依从性至关重要,最终可带来更好的医疗结果和更高的生活质量。在此,研究人员报告了使用先进喷墨3D打印方法,基于临床X射线计算机断层扫描(CT)数据,开发患者鼻窦解剖结构的多材料复制品。最终的患者教育模型经过多次迭代开发,以优化材料特性、解剖准确性和整体展示效果。随后进行了一项两臂、单中心、随机、前瞻性研究,其中50名耳鼻喉科手术候选
【主题与分类】
主题标签:Pathological Conditions, Anatomical、Deviated Nasal Septum。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02905344
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/NCT02905344
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:病理状况,解剖学,鼻中隔偏曲。在耳鼻喉科(ENT)医疗领域,相对少数患者会坚持进行择期手术,以修复如鼻中隔偏曲或窦道阻塞等疾病。患者对其诊断和治疗方案的理解是依从性的关键,最终能带来更好的医疗结果和生活质量。在此,研究人员报告了使用先进的喷墨3D打印技术,基于临床X射线计算机断层扫描(CT)数据,开发出患者鼻窦解剖结构的多材料复制品。最终的患者教育模型经过多次迭代开发,以优化材料特性、解剖准确性和整体展示效果。随后进行了一项双臂、单中心、随机、前瞻性研究,其中50名耳鼻喉科手术候选者(以及相关的对照组,n=50)借助该教育模型,接受了关于其解剖结构、疾病状态和治疗方案的说明。之后,对每位患者进行了调查,以评估他们对自己解剖结构、疾病和治疗方案的理解程度。
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。




