生长抑素阳性恶性肿瘤的GA-68 DOTA-TOC显像

该数据集来自 clinicaltrials.gov,聚焦生长抑素阳性恶性肿瘤的 GA-68 DOTA-TOC 显像研究,覆盖神经内分泌肿瘤、副神经节瘤、类癌瘤和神经母细胞瘤等病种

University of California, San FranciscoUniversity of California, San Francisco
clinicaltrials
浏览 7
医学影像分类Neuroendocrine TumorParagangliomaCarcinoid TumorsNeuroblastoma
GA-68 DOTA-TOC of Somatostatin Positive Malignancies

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-10

资源简介

生长抑素阳性恶性肿瘤的GA-68 DOTA-TOC显像

该数据集来自 clinicaltrials.gov,聚焦生长抑素阳性恶性肿瘤的 GA-68 DOTA-TOC 显像研究,覆盖神经内分泌肿瘤、副神经节瘤、类癌瘤和神经母细胞瘤等病种。数据可用于评估 GA-68 DOTA-TOC 相较常规显像能否勾画出更多病灶,以及将其 PET/CT 纳入临床管理决策后是否导致患者分期改变。受试者接受静脉注射后于 55-70 分钟内完成 PET/CT 或 PET/MRI 扫描,研究结束后随访 2 周(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、副神经节瘤、类癌瘤、神经母细胞瘤。主要目标:I. 确定镓 Ga 68-DOTA-TOC(镓-68 标记的 DOTA-TOC)是否比常规显像勾画出更多病灶。次要目标:I. 确定将镓 (Ga)-68 DOTA-TOC PET/CT 纳入管理决策过程是否导致患者分期改变。概述:患者接受镓 Ga 68-DOTA-TOC 静脉注射(IV),持续 1-2 分钟。在 55-70 分钟内,患者随后接受持续 30-40 分钟的 PET/CT 扫描或持续 50 分钟的 PET/MRI 扫描。研究完成后,患者随访 2 周。

【主题与分类】

主题标签:Neuroendocrine Tumor、Paraganglioma、Carcinoid Tumors、Neuroblastoma。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02177773

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/NCT02177773

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:神经内分泌肿瘤、副神经节瘤、类癌瘤、神经母细胞瘤。主要目标:I. 确定镓Ga 68-DOTA-TOC(镓-68标记的DOTA-TOC)是否比常规成像能描绘出更多病灶。次要目标:I. 确定将镓(Ga)-68 DOTA-TOC PET/CT纳入管理决策过程是否会导致患者分期的改变。大纲:患者接受镓Ga 68-DOTA-TOC静脉注射(IV),持续1-2分钟。在55-70分钟内,患者随后接受持续30-40分钟的PET/CT扫描或持续50分钟的PET/MRI扫描。研究完成后,患者随访2周。

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