动态全身正电子发射断层/计算机断层成像
该数据集来自 clinicaltrials.gov,为一项前瞻性单队列研究,评估动态全身 PET/CT 在标准静态 PET 阴性或不确定时识别和量化病灶的可行性

基本信息
资源简介
动态全身正电子发射断层/计算机断层成像
该数据集来自 clinicaltrials.gov,为一项前瞻性单队列研究,评估动态全身 PET/CT 在标准静态 PET 阴性或不确定时识别和量化病灶的可行性。覆盖神经内分泌肿瘤、前列腺癌、类癌、副神经节瘤和神经母细胞瘤等病种。参与者接受额外的 18F-FDG PET/CT 检查,需空腹 6 小时,糖尿病患者需调整胰岛素,并在两小时内饮水 3 至 4 杯。可用于肿瘤病灶识别与量化相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:神经内分泌肿瘤、前列腺癌、前列腺肿瘤、类癌、副神经节瘤、神经母细胞瘤。这是一项前瞻性单队列研究,旨在评估动态全身 PET/CT 在标准静态 PET 阴性或不确定时识别和量化病灶的可行性。18F-FDG PET/CT——被选中并同意参加可选 DWB PET/CT 子研究的参与者将接受一次额外的 18F-FDG PET/CT 检查。18F-FDG 被视为标准护理,并已获得加拿大卫生部批准。扫描前需禁食 6 小时。糖尿病参与者在禁食期间应停用短效胰岛素,并与医生讨论检查当天早上是否减少长效胰岛素。参与者还将被指示在两小时内饮用 3 至 4 杯水。
【主题与分类】
主题标签:Neuroendocrine Tumors、Prostate Cancer、Prostatic Neoplasms、Carcinoid Tumor、Paraganglioma、Neuroblastoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04017104
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/NCT04017104
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:神经内分泌肿瘤、前列腺癌、前列腺肿瘤、类癌瘤、副神经节瘤、神经母细胞瘤。这是一项前瞻性单队列研究,旨在评估动态全身PET/CT在识别和量化标准静态PET阴性或可疑病灶方面的可行性。18F-FDG PET/CT——被选中并同意参与可选动态全身PET/CT扫描子研究的参与者将接受一次额外的18F-FDG PET/CT检查。18F-FDG被视为标准诊疗手段,并已获得加拿大卫生部批准。扫描前需禁食6小时。糖尿病参与者在禁食期间应暂停使用短效胰岛素,并在检查当天早晨与医生讨论是否减少长效胰岛素用量。参与者还将被指导在扫描预约前两小时内饮用3至4杯水,以促进水合作用并利于背景放射性药物的尿液清除。在进行18F-FDG PET/CT检查前,将指导参与者按医生处方服用其常规药物。
在提供知情书面同意后,受试者将完成一份病史问卷。PET动态扫描将在注射18F-FDG后30分钟开始。随后将进行数次全身静态采集,总扫描时间不超过32分钟。DWB扫描完成后,参与者可选择再次前往洗手间。此后,将立即按照18F-FDG PET/CT扫描方案的规定进行新的PET/CT采集。第二次PET扫描完成后,参与者即可自由离开科室,并鼓励其在当天结束前额外饮用3-4杯水,以促进泌尿系统中残留示踪剂的进一步清除。68Ga-DOTATOC PET/CT——被选中并同意参与可选DWB PET/CT扫描子研究的参与者将接受一次额外的68Ga-DOTATOC PET/CT检查。68Ga-DOTATOC r
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




