胸部CT上ILD范围自动测量可重复性评估
ILD在胸部CT上的范围是重要预后因素，近年基于纹理分析或深度学习的方法可实现ILD范围的快速自动量化。自动评分理论上具有完美重复性，但仅在相同图像上重复测量时成立，吸气程度或重建核等参数会改变肺部图像表现
基本信息
资源简介
胸部CT上ILD范围自动测量可重复性评估
该数据集英文名为 Evaluation of the Reproducibility of the Automated Measurement of the Extent of ILD on Chest CT，来源于 clinicaltrials.gov，主题标签为 Interstitial Lung Disease，本站归类为呼吸系统疾病 / 其他。在间质性肺疾病（ILD）中，胸部 CT 上 ILD 的范围被公认为重要的预后因素。近年来，基于纹理分析或深度学习方法的多种工具被开发出来，用于对 ILD 范围进行快速、准确的自动量化。自动评分方法的一个优势在于理论上可提供完美的测量重复性，但这一优势仅在相同图像上重复测量时才成立；吸气程度或图像重建所用重建核等参数会改变肺部在扫描图像上的表现。目前缺乏关于自动 ILD 量化全流程可重复性及其准确性的数据，因此该研究旨在评估相关变异性。
【数据集背景】
在间质性肺疾病（ILD）的临床评估中，胸部计算机断层扫描（CT）上 ILD 的范围被认为是重要的预后因素。近年来，基于纹理分析或深度学习方法的多种工具被开发出来，能够对 ILD 范围提供快速且准确的自动量化。自动评分方法在理论上具有测量重复性上的优势，但这种完美重复性只有在同一批图像上重复测量时才成立。实际扫描中，吸气程度或用于重建图像的重建核等多种参数会改变肺部在扫描图像上的外观表现。目前，关于自动 ILD 量化全流程的可重复性及其准确性的数据仍然缺乏，该研究正是为评估这一变异性而设立。
【数据内容】
源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，源站描述所涉疾病条件为 Interstitial Lung Disease（间质性肺疾病）。源站描述说明了研究目的，即评估自动 ILD 量化流程的可重复性及其准确性，但未提供具体的采集方式、样本构成或数据规模等信息。
【适用场景】
源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述指出，目前缺乏关于自动 ILD 量化全流程可重复性及其准确性的数据；自动评分方法理论上具有完美重复性，但该性质仅在相同图像上重复测量时成立，吸气程度或重建核等参数会改变肺部图像表现，从而可能影响测量结果。除此之外，源站未提供其他质量与限制信息。
【引用与许可】
源站未提供。
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/NCT06743022
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：间质性肺疾病。在间质性肺疾病（ILD）中，胸部计算机断层扫描（CT）上ILD的范围被认为是重要的预后因素。近年来，已开发出若干基于纹理分析或深度学习方法的工具，可对ILD范围进行快速、准确的自动化定量。自动化评分方法的一个优势在于，理论上可提供完美的测量可重复性。然而，这仅在相同图像上重复测量时才成立。若干参数可改变扫描仪图像上肺部的外观，例如吸气程度或用于重建图像的重建核。目前缺乏关于自动化ILD定量全流程可重复性及其准确性的数据。因此，本研究的目的是评估胸部CT上自动化ILD定量的变异性。将通过重复胸部CT扫描并使用不同工具测量来自2家机构的ILD患者病变范围来评估可重复性。胸部CT将在同一天重复进行。
这将有助于评估在同一天进行的两次CT扫描之间，以及使用不同软件时，ILD范围自动测量的变异性。这也将有助于评估两次CT扫描之间肺容积的变异性，以及疾病（特发性肺纤维化或结缔组织病相关ILD）对ILD定量可重复性的影响。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
