评估18F-L-胸苷(FLT) PET成像在儿童胶质瘤中的初步研究
该数据集来自clinicaltrials.gov,聚焦儿童胶质瘤的18F-L-胸苷(FLT) PET成像初步研究。覆盖室管膜瘤、脑干胶质瘤、星形细胞瘤、多形性胶质母细胞瘤及PNET等病种

基本信息
资源简介
评估18F-L-胸苷(FLT) PET成像在儿童胶质瘤中的初步研究
该数据集来自clinicaltrials.gov,聚焦儿童胶质瘤的18F-L-胸苷(FLT) PET成像初步研究。覆盖室管膜瘤、脑干胶质瘤、星形细胞瘤、多形性胶质母细胞瘤及PNET等病种。数据可用于探索FLT PET作为增殖细胞摄取示踪剂,评估肿瘤代谢与生理特征,并作为早期治疗反应或缺乏反应的替代标志物,辅助新型分子靶向药物试验中的疗效评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:室管膜瘤、脑干胶质瘤、星形细胞瘤、多形性胶质母细胞瘤、PNET。背景: 当前针对脑肿瘤患者的研究性治疗的一个局限是反应评估。 (18)F-FDG PET常用于评估肿瘤代谢。然而,正常脑组织以葡萄糖为能量来源,导致背景FDG摄取增加,这会混淆结果并使区分正常与肿瘤活性变得困难。 正在开发新的成像技术,以无创方式评估脑肿瘤组织的代谢和生理特征,从而在新分子靶向药物的试验中识别临床疗效的生物标志物。 (18)F-氟胸苷(FLT)是一种PET放射性药物,可被增殖细胞摄取,因此可能作为早期反应或治疗无反应的替代标志物。* 本研究
【主题与分类】
主题标签:Ependymoma、Brainstem Glioma、Astrocytoma、Glioblastoma Multiforme、PNET。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01117155
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/NCT01117155
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:室管膜瘤、脑干胶质瘤、星形细胞瘤、多形性胶质母细胞瘤、原始神经外胚层肿瘤(PNET)。
背景:
- 当前针对脑肿瘤患者的研究性治疗的一个局限在于疗效评估。
- (18)F-FDG PET常用于评估肿瘤代谢。然而,正常大脑以葡萄糖作为能源,导致背景FDG摄取增加,这会干扰结果,使得难以区分正常与肿瘤活动。
- 正在开发新的成像技术,以非侵入性方式评估脑肿瘤组织的代谢和生理特征,旨在在新分子靶向药物的试验中识别临床疗效的生物标志物。
- (18)F-氟胸苷(FLT)是一种PET放射性药物,可被增殖细胞摄取,因此可能作为早期治疗反应或无反应的替代标志物。
- 本研究将前瞻性地评估接受胶质瘤放射治疗的儿童中的(18)F-FLT。
目的:主要目的:* 确定(18)F-FLT PET成像在恶性胶质瘤儿科患者中的可行性 * 确定(18)F-FLT PET成像在检测接受放射治疗的恶性胶质瘤儿科患者治疗变化的能力 次要目的:* 确定使用(18)F-FLT进行PET成像在恶性胶质瘤儿科患者中的安全性和毒性特征 * 将放射治疗前后(18)F-FLT PET的变化与结果(12个月PFS)相关联 * 比较(18)F-FLT-PET与MR灌注、质子磁共振波谱(1H-MRSI)和(18)F-FDG PET在预测肿瘤反应、进展时间和总生存时间方面的性能。 入选标准:* 18岁以下患有恶性胶质瘤且被处方放射治疗的儿童。* 器官功能充足,定义为:* 肝脏:SGOT、SGPT低于正常值上限的5倍;总胆红素和直接胆红素小于或等于正常值上限的2倍 * 肾脏:血清肌酐必须在正常值上限范围内 * 空腹血清
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。




