基于ACE-MRI评估肿瘤治疗反应并与常规DCE-MRI比较

目的:研究 Active Contrast Encoding (ACE)-MRI 估计的对比剂动力学参数与常规 Dynamic Contrast-Enhanced (DCE)-MRI 估计的参数相比,在评估小鼠肿瘤模型治疗反应方面的有效性

dataone
浏览 4
医学影像回归肿瘤脑肿瘤ACE-MRIDCE-MRI治疗反应评估对比剂动力学参数小鼠肿瘤模型
Assessment of tumor treatment response using active contrast encoding (ACE)-MRI: comparison with conventional DCE-MRI

基本信息

模态
医学影像
任务类型
回归
许可
CC0 1.0 Universal (CC0 1.0) Public Domain Dedication
创建/更新时间
2026-10-22

资源简介

基于ACE-MRI评估肿瘤治疗反应并与常规DCE-MRI比较

目的:研究 Active Contrast Encoding (ACE)-MRI 估计的对比剂动力学参数与常规 Dynamic Contrast-Enhanced (DCE)-MRI 估计的参数相比,在评估小鼠肿瘤模型治疗反应方面的有效性

Assessment of tumor treatment response using active contrast encoding (ACE)-MRI: comparison with conventional DCE-MRI

【数据内容】

源站描述(机器翻译,仅供参考):目的:研究 Active Contrast Encoding (ACE)-MRI 估计的对比剂动力学参数与常规 Dynamic Contrast-Enhanced (DCE)-MRI 估计的参数相比,在评估小鼠肿瘤模型治疗反应方面的有效性。方法:将 T1 和 B1 测量纳入增强曲线洗脱区的 ACE-MRI 方法在 7T MRI 扫描仪上实现,用于测量接受 bevacizumab 和 5FU 治疗的 4T1 和 GL261 肿瘤的示踪剂动力学模型参数。同一 ACE-MRI 数据的一部分被用于常规 DCE-MRI 数据分析,并配合单独测量的预对比 T1 图。从 ACE-MRI 估计的示踪剂动力学模型参数,如 Ktrans(渗透性面积表面乘积)和 ve(细胞外空间体积分数),与 DCE-MRI 估计的参数在相关性和 Bland-Altman 分析方面进行比较。

【主题与分类】

主题标签:肿瘤、脑肿瘤、ACE-MRI、DCE-MRI、治疗反应评估、对比剂动力学参数、小鼠肿瘤模型。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://search.dataone.org/view/sha256%3A034aebaee4a0e73be75bf64cbfdd5b44cffbcdd45cd8a8232e454baf06e63a1b

使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。

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://search.dataone.org/view/sha256%3A034aebaee4a0e73be75bf64cbfdd5b44cffbcdd45cd8a8232e454baf06e63a1b

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

目的:探讨Active Contrast Encoding(ACE)-MRI获得的对比剂动力学参数估计值与传统Dynamic Contrast-Enhanced(DCE)-MRI获得的相应参数估计值在评估小鼠肿瘤模型治疗反应中的有效性。方法:将T1和B1测量纳入增强曲线廓清区的ACE-MRI方法,在7T MRI扫描仪上实现,用于测量经贝伐珠单抗和5FU治疗的4T1和GL261肿瘤的示踪剂动力学模型参数。同一ACE-MRI数据的一部分用于传统DCE-MRI数据分析,并单独测量平扫T1图。将从ACE-MRI估计的示踪剂动力学模型参数,如Ktrans(渗透性面积表面乘积)和ve(细胞外空间体积分数),与DCE-MRI获得的相应参数进行比较,采用相关性和Bland-Altman分析。结果:ACE-MRI和DCE-MRI均观察到,治疗后侧腹4T1肿瘤的中位Ktrans增加三倍。相比之下,脑肿瘤在ACE-MRI或DCE-MRI中均未显示治疗引起的显著变化。

来自ACE-MRI的肿瘤K trans和v e值与DCE-MRI方法得到的值高度相关,对于17个肿瘤的中位值,相关系数分别为0.92和0.78。Bland-Altman图分析显示,K trans的平均差异为-0.01 /min,95%一致性界限为-0.12 /min至0.09 /min;v e的平均差异为-0.05,一致性界限为-0.37至0.26。结论:ACE-MRI估计的示踪剂动力学模型参数及其治疗后的变化与DCE-MRI密切匹配,这表明ACE-MRI可替代传统DCE-MRI用于肿瘤进展监测和治疗反应评估,且扫描时间缩短。

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