GliomaAI-Astro23：基于MRI的IDH突变型星形细胞瘤（2级和3级）检测
GliomaAI-Astro23 是一项基于 MRI 的观察性研究数据集，旨在评估人工智能系统能否从常规 MRI 扫描中检测 IDH 突变型星形细胞瘤（2级和3级）
基本信息
资源简介
GliomaAI-Astro23：基于MRI的IDH突变型星形细胞瘤（2级和3级）检测
GliomaAI-Astro23 是一项基于 MRI 的观察性研究数据集，旨在评估人工智能系统能否从常规 MRI 扫描中检测 IDH 突变型星形细胞瘤（2级和3级）。数据来自 Cancer Imaging Archive（TCIA）中 13 家机构的 1,372 名患者，均为既往采集且完全匿名化的 MRI 数据及临床信息。该数据集可用于训练和测试 AI 系统，回答其识别 IDH 突变型星形细胞瘤的准确率，以及在不同医院和患者群体间的泛化表现，不涉及新扫描（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：胶质瘤、胶质瘤（诊断）、星形细胞瘤、脑星形细胞瘤、星形细胞瘤II级、星形细胞瘤IDH突变型2级、星形细胞瘤IDH突变型3级。这项观察性研究的目标是了解一种名为 GliomaAI-Astro23 的人工智能系统能否利用常规 MRI 扫描帮助检测一种特定分子类型的脑肿瘤，即 IDH 突变型星形细胞瘤（2级和3级）。该研究使用来自 Cancer Imaging Archive（TCIA）中 13 家机构的 1,372 名患者的既往采集且完全匿名化的 MRI 数据。它旨在回答的主要问题是： GliomaAI-Astro23 从 MRI 扫描中识别 IDH 突变型星形细胞瘤（2级和3级）的准确率如何？ 该系统在不同医院和患者群体的数据上表现如何？研究人员将使用现有 MRI 扫描和临床信息来训练和测试该 AI 系统。不进行新扫描
【主题与分类】
主题标签：Glioma、Glioma (Diagnosis)、Astrocytoma、Astrocytoma of Brain、Astrocytoma, Grade II、Astrocytoma, IDH-Mutant, Grade 2、Astrocytoma, IDH-Mutant, Grade 3。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07673666
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/NCT07673666
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：胶质瘤、胶质瘤（诊断）、星形细胞瘤、脑星形细胞瘤、II级星形细胞瘤、IDH突变型2级星形细胞瘤、IDH突变型3级星形细胞瘤。这项观察性研究的目标是了解一种名为GliomaAI-Astro23的人工智能系统能否利用常规MRI扫描帮助检测一种特定分子类型的大脑肿瘤，即IDH突变型星形细胞瘤（2级和3级）。该研究使用来自癌症影像档案（TCIA）中13家机构、1，372名患者的既往采集且完全匿名化的MRI数据。其主要旨在回答的问题是：* GliomaAI-Astro23从MRI扫描中识别IDH突变型星形细胞瘤（2级和3级）的准确度如何？* 该系统在不同医院和患者群体的数据中表现如何？研究人员将使用现有MRI扫描和临床信息来训练和测试该AI系统。参与者无需进行新的扫描、治疗或前往医院，所有使用的数据均已完全匿名化，并来自现有的研究数据库。参与者不会被要求做任何事情，因为本研究仅使用既往采集的影像数据。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
