FDG-PET 联合 123I-Iodometomidate 显像用于肾上腺肿瘤
该数据集来自 clinicaltrials.gov，聚焦肾上腺肿瘤的鉴别诊断。研究对象为计划手术、经 CT 和/或 MRI 仍无法明确恶性潜能的肾上腺肿块患者，且已排除激素活性病变
基本信息
资源简介
FDG-PET 联合 123I-Iodometomidate 显像用于肾上腺肿瘤
该数据集来自 clinicaltrials.gov，聚焦肾上腺肿瘤的鉴别诊断。研究对象为计划手术、经 CT 和/或 MRI 仍无法明确恶性潜能的肾上腺肿块患者，且已排除激素活性病变。患者将同时接受 [123I]Iodometomidate SPECT/CT 与 [18F]fluorodeoxyglucose PET/CT 检查，并对肾上腺区域行低剂量 CT。数据可用于评估联合显像对肾上腺肿瘤良恶性分类的价值，支持影像诊断与术前评估相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肾上腺肿瘤。由专家外科医生对手术切除的肾上腺肿块进行组织病理学检查，被认为是肾上腺肿瘤鉴别诊断的金标准。因此，我们仅招募计划因来源不明的肾上腺肿块接受手术的患者。当发现肾上腺肿块且标准影像学（CT 和/或 MRI）未能明确病灶恶性潜能（平扫 CT 的 Hounsfield 单位 ≥10）时，患者将有资格参加该试验。此外，仅当已排除激素活性病变且因感知到的恶性风险而计划手术时，才会招募肾上腺肿瘤患者。患者将同时接受 [123I]Iodometomidate SPECT/CT 和 [18F]fluorodeoxyglucose PET/CT 评估。计算机断层扫描将作为肾上腺区域的低剂量 CT 进行。Ima
【主题与分类】
主题标签：Adrenal Neoplasia。本站分类：内分泌、营养和代谢疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02010957
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/NCT02010957
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
条件：肾上腺肿瘤。由经验丰富的外科医生对手术切除的肾上腺肿块进行组织病理学检查，被认为是肾上腺肿瘤鉴别诊断的金标准。因此，我们仅招募因起源不明的肾上腺肿块而计划手术的患者。当发现肾上腺肿块，且标准影像学检查（CT和/或MRI）未能明确病变的恶性潜能特征（平扫CT的Hounsfield单位≥10）时，患者将有资格参加试验。此外，肾上腺肿瘤患者仅在排除功能性病变，且因 perceived 恶性风险而计划手术时才会被招募。患者将接受[123I]碘甲基降胆固醇SPECT/CT和[18F]氟脱氧葡萄糖PET/CT评估。计算机断层扫描将作为肾上腺区域的低剂量CT进行。成像可以从[123I]碘甲基降胆固醇SPECT/CT或[18F]氟脱氧葡萄糖PET/CT开始，并可在连续两天内完成。[123I]碘甲基降胆固醇SPECT/CT与[18F]氟脱氧葡萄糖PET/CT之间的时间间隔不应超过6周。
患者将在[123I]碘代美托咪酯SPECT/CT和[18F]氟脱氧葡萄糖PET/CT后2-4周进行随访（若成像后2周内进行手术，则在手术前立即进行）。术后30天，将通过电话联系患者，评估与手术相关的不良事件。
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。
