镰状细胞病血管闭塞危象的PET成像
该数据集来自clinicaltrials.gov，聚焦镰状细胞病（SCD）患者血管闭塞危象（VOC）的PET成像研究。研究使用放射性示踪剂64Cu-LLP2A，通过定量PET成像评估示踪剂摄取与疼痛强度的关系，旨在寻找血管闭塞的客观生物标志物
基本信息
资源简介
镰状细胞病血管闭塞危象的PET成像
该数据集来自clinicaltrials.gov，聚焦镰状细胞病（SCD）患者血管闭塞危象（VOC）的PET成像研究。研究使用放射性示踪剂64Cu-LLP2A，通过定量PET成像评估示踪剂摄取与疼痛强度的关系，旨在寻找血管闭塞的客观生物标志物。数据可用于探索VOC的影像学特征、疼痛与炎症的关联，以及支持血液与淋巴系统疾病相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：镰状细胞病。本研究的目的是寻找镰状细胞病（SCD）患者血管闭塞（血管阻塞）的客观生物标志物。利用早期研究的信息和华盛顿大学正在进行的工作，已开发出一种对血管闭塞危象（VOC）进行成像的策略，仅使用正电子发射断层扫描（PET）进行解剖定位。64Cu-LLP2A是本研究使用的放射性示踪剂。目的：开发SCD患者VOC的定量PET成像。研究人员假设，与基线值相比，VOC患者的放射性示踪剂64Cu-LLP2A摄取随疼痛强度成比例增加。这种摄取增加将在疼痛区域进行局灶性评估，并进行全局评估以反映加剧的全身性炎症。主要和次要研究终点：本研究的总体假设是
【主题与分类】
主题标签：Sickle Cell Disease。本站分类：血液与淋巴系统疾病/镰状细胞贫血。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04925492
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/NCT04925492
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：镰状细胞病。本研究旨在寻找镰状细胞病（SCD）患者血管闭塞（血管阻塞）的客观生物标志物。利用早期研究的信息以及华盛顿大学正在开展的工作，已开发出一种对血管闭塞危象（VOC）进行成像的策略，仅使用正电子发射断层扫描（PET）进行解剖定位。64Cu-LLP2A是本研究使用的放射性示踪剂。目的：开发SCD患者VOC的定量PET成像。研究人员假设，与基线值相比，VOC患者的放射性示踪剂64Cu-LLP2A摄取随疼痛强度成比例增加。这种摄取增加将在疼痛区域进行局灶性评估，同时也进行整体评估，以反映加剧的全身性炎症。主要和次要研究终点：本研究的总体假设是，64Cu-LLP2A的PET示踪剂摄取强度是VOC中高黏附的实时、定量测量指标。
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。
