前列腺干预用MRI自推进针设计与评估数据集
包含MRI自推进针前列腺干预实验的附件、MR图像及定量数据，用于评估针具性能。
基本信息
资源简介
前列腺干预用MRI自推进针设计与评估数据集
【一句话概览】
本数据集是 figshare 公开的影像数据集，收录 1 个文件、合计 4.59 MB，主题涵盖 arterial embolism、atherothrombosis、diagnostic model、machine learning、radiomics，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Data Sheet 1_Development and internal evaluation of an interpretable machine learning model based on clinical and radiomics features to differentiate lower extremity arterial embolism from atherothrombosis.docx》。配套论文《A National and Single Institutional Experience in the Contemporary Treatment of Acute Lower Extremity Ischemia》发表于 Annals of Surgery（2003），DOI：10.1097/01.sla.0000086663.49670.d1。源站首次发布：2026-08-10。
【数据内容】
源站原始描述：IntroductionAccurate differentiation between lower extremity arterial embolism (AE) and atherothrombosis is essential. This study aimed to develop and validate an interpretable machine learning (ML) model combining clinical and radiomics features for preoperative non-invasive diagnosis. MethodsThis retrospective study enrolled patients with lower extremity AE or atherothrombosis admitted to the Department of Vascular Surgery at our institution between January 2018 and January 2025. Clinical data…
【数据结构与技术规格】
文件数 1 个，合计 4.59 MB。Data Sheet 1_Development and internal evaluation of an interpretable machine learning model based on clinical and radiomics features to differentiate .docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，4.59 MB。数据集 DOI：10.3389/fmed.2026.1827567.s001。
【主题与分类】
源站学科分类：Foetal Development and Medicine。主题标签：arterial embolism、atherothrombosis、diagnostic model、machine learning、radiomics。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_1_Development_and_internal_evaluation_of_an_interpretable_machine_learning_model_based_on_clinical_and_radiomics_features_to_differentiate_lower_extremity_arterial_embolism_from_atherothrombosis_docx/33198792
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Li, Xiaodong; Luo, Hao; Xie, Linzhuo; Shu, Jian; Sun, Xiaolei (2026). Data Sheet 1_Development and internal evaluation of an interpretable machine learning model based on clinical and radiomics features to differentiate lower extremity arterial embolism from atherothrombosis.docx. Frontiers. Dataset
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。
暂未开放有偿下载
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://data.4tu.nl/datasets/c3b6bba1-9c3d-44c4-b59a-cbdb33198792/1
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。
