颈椎哑铃型神经鞘瘤的MRI特征与肿瘤切除范围数据集

该数据集包含72例颈椎哑铃型神经鞘瘤患者的临床与MRI影像数据,模态涉及医学影像(如T2加权MRI)和临床表格信息,通过回顾性分析探讨了肿瘤位置、椎动脉受累情况及MRI信号强度等特征与手术切除范围之间的统计关联,主要用于神经鞘瘤的外科治疗研究、影像学预测模型构建以及手术预后评估。

Mendeley Data
2024-03-27 更新
浏览 36
神经鞘瘤MRI分析
MRI characteristics and extent of tumor removal in cervical dumbbell-shaped schwannomas

基本信息

大小
0.00005638 GB
创建/更新时间
2024-03-27
版本
v2

资源简介

颈椎哑铃型神经鞘瘤的MRI特征与肿瘤切除范围数据集

【数据集背景】

本数据集源站标题为《MRI characteristics and extent of tumor removal in cervical dumbbell-shaped schwannomas》。源站首次发布:2018-09-21。

【数据内容】

源站原始描述:Data of 72 patients who underwent surgical treatment for cervical dumbbell-shaped schwannomas were retrospectively reviewed. Tumor level (p = 0.009, Pearson’s chi-square test), VA involvement (p < 0.001, linear-by-linear association test), and SI on T2-weighted images (T2-WIs) (p = 0.006, Fisher’s exact test) were statistically significantly different between the GTR and STR groups. Univariate analysis demonstrated that upper level (odds ratio [OR] 4.00, 95% confidence interval [CI] 1.50-10.69;…

【数据结构与技术规格】

文件数 2 个,合计 56.38 KB。数据集 DOI:10.17632/mgsb8pcsjp.2。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/mgsb8pcsjp

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/mgsb8pcsjp

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

该数据集是一项针对颈椎哑铃型神经鞘瘤的回顾性研究,收集了72例接受手术治疗的患者数据。数据内容包括患者的MRI影像特征(如T2加权像上的信号强度)、肿瘤位置(颈椎节段)、椎动脉受累情况(如推挤或包裹)以及手术中肿瘤切除程度(全切除或次全切除)。通过统计分析,探讨了MRI特征与肿瘤切除范围之间的关联,识别了影响全切除的预测因素,如肿瘤上颈段位置、椎动脉受累模式和T2高信号等。该数据集主要用于神经外科、影像学及肿瘤学研究,支持手术规划、预后评估及临床决策。

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