前列腺球形体积比对下尿路症状及良性前列腺增生临床进展的预测价值：单中心配对验证性研究
疾病：下尿路症状、前列腺增生。这是一项经上海东方医院伦理委员会批准的回顾性观察研究。我们收集了 2022 年 9 月至 2023 年 4 月期间在我院接受 MRI、尿流率测定并完成 IPSS 问卷的良性前列腺增生患者，通过 MRI 测量患者前列腺的每个解剖参数，分析这些前列腺参数与 IPSS 及尿流
基本信息
资源简介
前列腺球形体积比对下尿路症状及良性前列腺增生临床进展的预测价值：单中心配对验证性研究
该数据集围绕前列腺球形体积比在下尿路症状及良性前列腺增生临床进展中的预测价值展开，是一项单中心配对验证性确证研究。研究聚焦于良性前列腺增生患者，通过影像学测量与临床问卷、尿流率测定相结合的方式，分析前列腺各项解剖参数与下尿路症状及疾病临床进展之间的关系。数据集来源于clinicaltrials.gov，主题标签涵盖下尿路症状与前列腺增生，本站归类于泌尿生殖系统疾病下的其他类别。整体而言，该数据集为评估前列腺形态学指标对下尿路症状及良性前列腺增生临床进展的预测效能提供了单中心回顾性观察研究的数据支撑。
【数据集背景】
良性前列腺增生是引起下尿路症状的常见原因之一，临床上常通过影像学检查、症状问卷和尿流率测定等手段进行综合评估。该研究经上海东方医院伦理委员会批准，属于回顾性观察研究，旨在通过测量前列腺的解剖参数，探讨其与下尿路症状及良性前列腺增生临床进展之间的关联，并进一步评估前列腺参数对下尿路症状和良性前列腺增生临床进展的预测效能。研究特别关注前列腺球形体积比这一指标在预测中的价值，采用单中心配对验证性确证的研究设计。
【数据内容】
该数据集涉及的患者为良性前列腺增生患者，这些患者均接受了MRI检查、尿流率测定，并完成了IPSS问卷。研究通过MRI测量每位患者前列腺的各个解剖参数，并分析这些前列腺参数与IPSS评分及尿流率之间的关系。此外，研究还对患者的临床进展进行了随访，以评估前列腺参数对下尿路症状及良性前列腺增生临床进展的预测效能。数据集的主题标签为下尿路症状和前列腺增生，疾病领域覆盖下尿路症状与前列腺增生。
【采集与来源】
数据采集时间为2022年9月至2023年4月，采集地点为上海东方医院。研究对象为该院收治的良性前列腺增生患者，纳入条件包括接受MRI检查、完成尿流率测定以及完成IPSS问卷。研究经上海东方医院伦理委员会批准，属于回顾性观察研究。数据来源站为clinicaltrials.gov。
【适用场景】
该数据集适用于围绕良性前列腺增生与下尿路症状的临床研究，尤其是关注前列腺解剖参数与症状评分、尿流率之间关系的研究。也可用于评估前列腺球形体积比等参数对下尿路症状及良性前列腺增生临床进展的预测效能。由于研究设计为单中心配对验证性确证研究，其适用场景可能集中于单中心回顾性观察研究的验证与确证方向。
【使用方法】
源站未提供。
【质量与限制】
该研究为单中心回顾性观察研究，样本来源于上海东方医院，采集时间为2022年9月至2023年4月。研究经上海东方医院伦理委员会批准。其余质量与限制相关信息源站未提供。
【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/NCT06448533
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：下尿路症状、前列腺增生。本研究为一项回顾性观察性研究，经上海市东方医院伦理委员会批准。我们收集了2022年9月至2023年4月期间在我院接受MRI检查、尿流率测定并完成IPSS问卷的BPH患者，通过MRI测量患者前列腺的各解剖参数，分析这些前列腺参数与IPSS及尿流率的关系，并对这些患者前列腺的临床进展进行随访，以评估前列腺参数对LUTS及良性前列腺增生临床进展的预测效能。
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。
