AI辅助自身免疫性胰腺炎多模态诊断系统研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT06369909

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

条件：自身免疫性胰腺炎。现有的自身免疫性胰腺炎（AIP）综合诊断体系较为复杂，涉及形态学变化等多维度临床信息，且缺乏特异性生物标志物。内镜超声（EUS）可提供AIP形态学诊断的全部要素，但学习曲线长、观察者间差异大，难以普及推广。本项目三个地区的合作单位前期发现，肺炎克雷伯菌（KP）诱导滤泡辅助性T细胞（Tfh）活化是AIP的重要机制，但菌株致病成分的鉴定及临床验证尚待探索。我们前期已建立全国多中心AIP队列，并提取EUS声像特征建立评分模型，但仍需智能辅助以提高效率。因此，我们计划整合肠道菌群、Tfh活化标志物及EUS影像特征，建立AI辅助的AIP多模态诊断系统。

本研究将开展多中心协作，以鉴定并验证KP细菌细胞中诱导Tfh活化的组分，提取EUS胰腺超声特征并优化人工智能辅助诊断算法，并建立和验证基于临床信息、生物标志物和EUS的人工智能辅助多模态诊断系统。本研究旨在为AIP提供准确性高、便捷、易于临床推广的新型诊断与治疗评估方法。

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。