监督式内镜遥操作智能碎石术

数据集获取

源站：https://clinicaltrials.gov/study/NCT07411391

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

适应症：肾结石。一、引言 逆行肾内手术（RIRS）已成为泌尿系统疾病诊断和治疗的首选方法，例如肾结石取出术。然而，复杂的泌尿系统和现有内窥镜有限的可见度导致柔性输尿管镜操作效率低下。此外，传统柔性输尿管镜检查需要重复手动操作，这往往导致外科医生疲劳、呼吸运动引起的黏膜损伤以及结石清除率不稳定，特别是在复杂的肾盏解剖结构中。本研究聚焦于开发一种用于RIRS的新型机器人系统，目前命名为“TaloStone T1000”。该机器人系统平台由外科医生控制台、多功能视频推车和患者侧机械臂组成，机械臂配备光纤敏化柔性输尿管镜，如图1所示。外科医生控制台采用优化的人体工程学设计，配备触觉主设备，可平滑精确地控制机械臂，以操作柔性输尿管镜及器械，例如取石篮和激光光纤。

该系统还支持多种模态的无缝集成，包括术前CT扫描、术中内窥镜视频和光纤传感。此外，自主研发的柔性输尿管镜内置光纤传感器，用于实时形状感知、力估计以及同步的肾内压力控制和温度监测。形状感知使输尿管镜能够在肾集合系统内精确导航，力估计则向外科医生控制台上的主设备提供尖端接触交互的准确反馈。此外，系统还引入了AI算法以辅助诊断和更高水平的监督式手术自主性，从而提高安全性和效率。研究人员开发了基于AI的诊断功能，用于结石感知、激光光纤识别、深度感知以及CT到内窥镜的定位。

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。