多阅片者回顾性研究：Carebot AI CXR 2.0.21-v2.01 在日常放射学临床实践中的应用
该数据集为一项多阅片者回顾性研究，收集了2022年10月18日至11月17日在Havířov医院放射诊断科采集的匿名胸部X线图像，涵盖气胸、孤立性肺结节、肺不张、皮下气肿、心影增大、实变和胸腔积液7种病变
基本信息
资源简介
多阅片者回顾性研究：Carebot AI CXR 2.0.21-v2.01 在日常放射学临床实践中的应用
该数据集为一项多阅片者回顾性研究，收集了2022年10月18日至11月17日在Havířov医院放射诊断科采集的匿名胸部X线图像，涵盖气胸、孤立性肺结节、肺不张、皮下气肿、心影增大、实变和胸腔积液7种病变。图像经CloudPACS系统归档后，由Carebot AI CXR（DLAD）分析，并与放射科医师在模拟医院环境中使用标准查看工具、不限时间阅片的临床实践进行性能比较。数据可用于评估AI辅助诊断系统在真实临床场景中的表现（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：气胸、孤立性肺结节、肺不张、皮下气肿、心影增大、实变、胸腔积液。在2022年10月18日至2022年11月17日期间，在Havířov医院（p.o.）放射诊断科收集了患者的匿名胸部X线图像。收集过程使用了OR-CZ spol. s r.o.提供的CloudPACS影像与归档系统。收集的X线图像被提交给所提出的DLAD（Carebot AI CXR）进行分析。随后，将DLAD的性能与标准临床实践进行比较，在模拟医院环境中，放射科医师使用标准查看工具（例如平移、缩放、WW/WL）评估CXR图像，并被给予无限时间完成审阅。每位放射科医师确定7种指定放射学征象的存在或缺失。
【主题与分类】
主题标签：Pneumothorax、Pulmonary Nodule, Solitary、Atelectasis、Subcutaneous Emphysema、Cardiomegaly、Consolidation、Pleural Effusion。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05963945
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/NCT05963945
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：气胸、孤立性肺结节、肺不张、皮下气肿、心脏增大、实变、胸腔积液。在2022年10月18日至2022年11月17日期间，于哈维若夫医院（p.o.）放射诊断科收集了患者的匿名胸部X射线图像。收集过程使用了由OR-CZ spol. s r.o.提供的CloudPACS影像与归档系统。收集的X射线图像被提交给所提出的DLAD（Carebot AI CXR）进行分析。随后，将DLAD的性能与标准临床实践进行比较，在模拟医院环境中，放射科医师使用标准查看工具（例如平移、缩放、WW/WL）评估CXR图像，并获得无限时间完成审阅。每位放射科医师确定7项指定放射学表现的存在或不存在，包括肺不张（ATE）、实变（CON）、胸腔积液（EFF）、肺部病变（LES）、皮下气肿（SCE）、心脏增大（CMG）和气胸（PNO）。
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。
