面向唇裂手术外科医生决策的干预研究
该数据集来自 clinicaltrials.gov,聚焦唇裂和腭裂患者唇部修复手术的决策过程。源站描述指出,目前评估唇部修复手术的标准做法依赖外科医生对静态面部的的主观判断,功能或运动的作用因组织条件等挑战而较少被考虑,且即使评估功能也缺乏定量或可视化辅助

基本信息
资源简介
面向唇裂手术外科医生决策的干预研究
该数据集来自 clinicaltrials.gov,聚焦唇裂和腭裂患者唇部修复手术的决策过程。源站描述指出,目前评估唇部修复手术的标准做法依赖外科医生对静态面部的的主观判断,功能或运动的作用因组织条件等挑战而较少被考虑,且即使评估功能也缺乏定量或可视化辅助。该干预方案经外科医生反馈完善,旨在帮助医生拓宽对患者运动与形态问题的认识,从而在识别问题后纳入治疗规划。数据可用于研究外科决策、功能评估与手术规划(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:腭裂、唇裂。评估患者唇部修复手术的标准护理依赖于外科医生对静态面部的主观评估。功能或运动的重要作用通常被考虑得少得多,主要是因为外科医生面临的挑战(例如,可用于改变运动的组织的量/质量)。目前,即使外科医生确实尝试评估功能,他们也是以主观方式进行,因为没有定量/视觉辅助工具将功能评估纳入其治疗规划和有关唇部手术的决策。这里提出的干预方法已经通过外科医生反馈得到充分完善,使外科医生能够拓宽对患者“运动和形态”问题的“视野”。潜在地,在识别出运动/形态问题后,外科医生可以考虑……
【主题与分类】
主题标签:Cleft Palate、Cleft Lip。本站分类:口颌系统疾病/唇裂和腭裂。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03537976
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/NCT03537976
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
疾病:腭裂、唇裂。评估患者是否需行唇部修复手术的现行标准依赖于外科医生对静态面部的的主观评估。功能或运动的重要作用通常被远远低估,主要原因是外科医生面临诸多挑战(例如,可用于改变运动的组织的量/质)。目前,即使外科医生确实尝试评估功能,也只能以主观方式进行,因为没有定量/可视化辅助工具可将功能评估纳入其治疗计划和唇部手术决策中。此处提出的干预方法已通过外科医生的反馈得到充分完善,使外科医生能够拓宽对患者“运动与形态”问题的“视野”。潜在地,在识别出运动/形态问题后,外科医生可以考虑需要采取哪些措施来改善患者的具体问题。重要的是,初步研究表明,该干预措施对外科医生的唇部修复决策产生了明确影响:外科医生在问题列表和治疗计划目标上发生了显著但程度不一的变化。
因此,本研究的目标之一是收集手术结果数据,这些数据主要用于监测不良事件,同时也将为外科医生使用该干预措施时患者结果(面部形态与运动)的改善提供初步信息。此外,鉴于初次唇裂修复术后修整手术极为常见,了解外科医生在使用该干预措施时的决策过程、明确其对初次唇裂修复手术的目标与期望,以及理解可能导致后续修整手术的手术局限性,显得尤为重要。
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。




