动脉粥样硬化血管炎症:叶酸受体β全身分子PET/CT成像
该数据集来自clinicaltrials.gov,聚焦动脉粥样硬化中的血管炎症,采用靶向叶酸受体β(FR-β)的新型放射性示踪剂18F-AlF-NOTA-Folate进行全身正电子发射断层扫描(PET)成像

基本信息
资源简介
动脉粥样硬化血管炎症:叶酸受体β全身分子PET/CT成像
该数据集来自clinicaltrials.gov,聚焦动脉粥样硬化中的血管炎症,采用靶向叶酸受体β(FR-β)的新型放射性示踪剂18F-AlF-NOTA-Folate进行全身正电子发射断层扫描(PET)成像。FR-β由参与炎症过程的活化巨噬细胞表达,而斑块内炎症被认为与斑块发生、进展和破裂相关。目前尚无可靠的临床成像方法能检测和测量全身动脉粥样硬化斑块的炎症活动,该研究旨在探索这一成像手段,数据可用于血管炎症的分子成像研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:动脉粥样硬化、炎症。动脉粥样硬化是一种常见疾病,脂肪沉积物、炎症细胞和其他物质在动脉壁中积聚。它是冠状动脉疾病(CAD)、心肌梗死、卒中和其他心血管疾病的主要原因。动脉粥样硬化斑块内的炎症被认为促进斑块的发生、进展和破裂。然而,目前尚无已建立的临床成像方法能够可靠地检测和测量全身动脉粥样硬化斑块中的炎症活动。本研究使用全身正电子发射断层扫描(PET)成像,结合一种新型靶向叶酸受体β(FR-β)的放射性示踪剂18F-AlF-NOTA-Folate,来研究血管炎症。FR-β由活化巨噬细胞表达,这些免疫细胞参与炎症过程。该研究旨在
【主题与分类】
主题标签:Atheroscleroses、Inflammation。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07877324
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/NCT07877324
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
适应症:动脉粥样硬化、炎症。动脉粥样硬化是一种常见疾病,其特征是脂肪沉积物、炎症细胞及其他物质在动脉壁内积聚。它是冠状动脉疾病(CAD)、心肌梗死、卒中及其他心血管疾病的主要原因。动脉粥样硬化斑块内的炎症被认为参与斑块的形成、进展和破裂。然而,目前尚无成熟的临床影像学方法能够可靠地检测和测量全身动脉粥样硬化斑块中的炎症活动。本研究使用全身正电子发射断层扫描(PET)成像,结合新型叶酸受体β(FR-β)靶向放射性示踪剂18F-AlF-NOTA-Folate,探讨血管炎症。FR-β由活化巨噬细胞表达,巨噬细胞是参与炎症过程的免疫细胞。本研究旨在确定该放射性示踪剂能否用于识别和量化人类动脉粥样硬化病变中的炎症活动。既往实验研究表明,叶酸受体β靶向放射性示踪剂可在富含巨噬细胞的动脉粥样硬化病变中积聚。
一种相关的FR-β靶向PET示踪剂此前也已在类风湿关节炎患者中进行了人体研究,结果显示其在炎症关节中有摄取,且安全性良好。本研究旨在专门探讨FR-β靶向PET显像在冠状动脉疾病及心外动脉粥样硬化患者中的应用。目的 主要目的是利用全身18F-AlF-NOTA-叶酸PET显像研究动脉粥样硬化性心血管疾病患者的血管炎症。具体目标为:1. 研究慢性或稳定性冠状动脉疾病患者冠状动脉内的炎症,以及在一小部分近期心肌梗死患者中的炎症情况。本研究将探讨能否在冠状动脉粥样硬化病变中检测到低度炎症。2. 研究th
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




