氨基乙酰丙酸(ALA)增强脑恶性胶质瘤可视化与切除研究

该数据集来自 clinicaltrials.gov,聚焦于脑恶性胶质瘤手术中口服 5-氨基乙酰丙酸(ALA)的应用研究。研究旨在评估 ALA 的安全性与实用性:提高 ALA 浓度可使恶性细胞中原卟啉浓度升高,在长波紫外光下呈现荧光,从而帮助术中识别肿瘤细胞并促进完全切除

Legacy Health SystemLegacy Health System
clinicaltrials
浏览 6
医学影像图像分割Glioma
A Study of Aminolevulinic Acid (ALA) to Enhance Visualization and Resection of Malignant Glial Tumors of the Brain

基本信息

模态
医学影像
任务类型
图像分割
创建/更新时间
2026-10-10

资源简介

氨基乙酰丙酸(ALA)增强脑恶性胶质瘤可视化与切除研究

该数据集来自 clinicaltrials.gov,聚焦于脑恶性胶质瘤手术中口服 5-氨基乙酰丙酸(ALA)的应用研究。研究旨在评估 ALA 的安全性与实用性:提高 ALA 浓度可使恶性细胞中原卟啉浓度升高,在长波紫外光下呈现荧光,从而帮助术中识别肿瘤细胞并促进完全切除。数据覆盖胶质瘤患者接受影像引导显微手术前的口服 ALA 给药、肿瘤切除后荧光残留组织的清除以及神经病理学确认等环节,可用于荧光引导手术、术中肿瘤边界识别与残留检测相关的方法研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:胶质瘤。本研究旨在确定使用 5-氨基乙酰丙酸(ALA)在手术中切除脑肿瘤的安全性和实用性。当 ALA 以较高浓度提供时,恶性细胞中的原卟啉浓度增加,使细胞在长波紫外光下呈现荧光。本研究探讨使用口服 ALA 帮助术中识别肿瘤细胞并促进完全切除。口服 ALA 将在影像引导显微手术切除肿瘤前给予。在光学显微镜下切除肿瘤后,将照亮瘤床,手术切除腔内任何残留的荧光组织,从而实现更完全的肿瘤切除。肿瘤类型的病理学确认将由神经病理学完成。恶性和正常组织中的光敏剂浓度将通过荧光显微

【主题与分类】

主题标签:Glioma。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01403311

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT01403311

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:胶质瘤。本研究旨在确定在手术中使用5-氨基乙酰丙酸(ALA)切除脑肿瘤的安全性和实用性。当提供较高浓度的ALA时,恶性细胞中的原卟啉浓度增加,使细胞在长波紫外光下呈现荧光。本研究探讨使用口服ALA来帮助术中识别肿瘤细胞,并促进完全切除。口服ALA将在图像引导下的微手术肿瘤切除前给予。在光学显微镜下切除肿瘤后,将照亮肿瘤床,并手术移除腔中任何残留的荧光组织,从而实现更完全的肿瘤切除。肿瘤类型的病理确认将由神经病理学完成。恶性组织和正常组织中的光敏剂浓度将通过荧光显微镜估计。

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。

获取专属数据定制方案