婴儿血管瘤患者LUMBAR综合征筛查研究
该数据集来自clinicaltrials.gov,聚焦于婴儿血管瘤患者中LUMBAR综合征的筛查问题。LUMBAR综合征是一组与下体婴儿血管瘤相关的区域性先天畸形,包括血管瘤、泌尿生殖异常、溃疡、脊髓病变或脊髓闭合不全、骨骼畸形、肛门直肠畸形、动脉异常及肾脏异常

基本信息
资源简介
婴儿血管瘤患者LUMBAR综合征筛查研究
该数据集来自clinicaltrials.gov,聚焦于婴儿血管瘤患者中LUMBAR综合征的筛查问题。LUMBAR综合征是一组与下体婴儿血管瘤相关的区域性先天畸形,包括血管瘤、泌尿生殖异常、溃疡、脊髓病变或脊髓闭合不全、骨骼畸形、肛门直肠畸形、动脉异常及肾脏异常。源站指出,目前启动系统筛查的最佳病灶大小阈值尚不明确,临床实践中部分大型或节段性血管瘤患者接受磁共振成像和全身评估,而其他较小但可能高风险的病灶可能未被筛查。该数据可用于研究临床实用的直径阈值,以指导筛查决策(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:LUMBAR综合征。位于腰骶部、骶尾部、会阴部、臀部或延伸至下肢区域的婴儿血管瘤可能与LUMBAR综合征相关。LUMBAR综合征指与下体婴儿血管瘤相关的一系列区域性先天畸形,包括下体血管瘤、泌尿生殖异常、溃疡、脊髓病变或脊髓闭合不全、骨骼畸形、肛门直肠畸形、动脉异常及肾脏异常。然而,启动系统筛查的最佳病灶大小阈值仍不明确。在当前临床实践中,一些大型或节段性血管瘤患者接受磁共振成像和全身评估,而其他较小但可能高风险的病灶可能未被筛查。因此,需要一种临床实用且基于证据的直径阈值来指导
【主题与分类】
主题标签:LUMBAR Syndrome。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07616323
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/NCT07616323
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
背景:LUMBAR综合征。位于腰骶部、骶尾部、会阴部、臀部或向双下肢延伸区域的婴儿血管瘤可能与LUMBAR综合征相关。LUMBAR综合征是指与下半身婴儿血管瘤相关的一系列区域性先天性异常,包括下半身血管瘤、泌尿生殖系统异常、溃疡、脊髓病或脊髓闭合不全、骨骼畸形、肛门直肠畸形、动脉异常和肾脏异常。然而,启动系统筛查的最佳病灶大小阈值仍不明确。在当前临床实践中,部分患有大面积或节段性血管瘤的患者会接受磁共振成像和全身评估,而另一些病灶较小但可能高风险的患者可能未接受筛查。因此,需要一个临床实用且基于证据的直径阈值来指导LUMBAR综合征的筛查。既往前瞻性证据提示,大于2.5 cm的腰骶部婴儿血管瘤可能与较高的脊柱异常发生率相关。
然而,2.5厘米这一阈值是否适用于累及骶尾部、会阴部、臀部或向双下肢延伸区域的血管瘤,目前仍不确定。因此,本研究旨在前瞻性评估最大病灶直径与LUMBAR相关异常之间的关系,并确定最佳的筛查阈值。
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。




