IDH突变胶质瘤超极化碳-13 α-酮戊二酸成像

该数据集来自clinicaltrials.gov,聚焦IDH突变成人胶质瘤的超极化碳-13 α-酮戊二酸(HP 13C-aKG)磁共振代谢成像研究

Robert Bok, MD, PhDRobert Bok, MD, PhD
clinicaltrials
浏览 7
医学影像分类Adult Gliomas, Mixed
Hyperpolarized Carbon-13 Alpha-ketoglutarate Imaging in IDH Mutant Glioma

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-23

资源简介

IDH突变胶质瘤超极化碳-13 α-酮戊二酸成像

该数据集来自clinicaltrials.gov,聚焦IDH突变成人胶质瘤的超极化碳-13 α-酮戊二酸(HP 13C-aKG)磁共振代谢成像研究。数据覆盖两个队列:队列1为IDH突变胶质瘤患者用于序列开发,队列2为复发IDH突变胶质瘤患者在手术切除前接受成像。研究通过单次MR扫描并给予HP 13C-aKG,并在研究后1-7天内电话随访评估迟发不良事件。该数据可用于确定最佳成像参数、评估HP 13C-aKG MR代谢成像的安全性与可行性,以及探索其在评估肿瘤负荷中的应用(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:成人胶质瘤,混合型。主要目标:I. 确定从IDH突变胶质瘤参与者获取超极化13C-aKG的最合适成像参数。II. 评估超极化13C-aKG磁共振(MR)代谢成像作为评估IDH突变胶质瘤参与者肿瘤负荷的新颖独特工具的安全性和可行性。大纲:参与者将被分配到2个队列之一:队列1:IDH突变胶质瘤参与者,用于序列开发。队列2:复发IDH突变胶质瘤参与者,在接收手术切除前。该成像研究将涉及一次给予HP 13C-aKG的MR扫描,并将在研究后1-7天内接受电话随访以评估迟发不良事件。

【主题与分类】

主题标签:Adult Gliomas, Mixed。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05851378

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/NCT05851378

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

条件:成人胶质瘤,混合型。主要目标:I. 确定从IDH突变型胶质瘤参与者中获取超极化13C-aKG的最适成像参数。II. 评估超极化13C-aKG磁共振(MR)代谢成像作为评估IDH突变型胶质瘤参与者肿瘤负荷的新颖独特工具的安全性和可行性。大纲:参与者将被分配至2个队列之一:队列1:用于序列开发的IDH突变型胶质瘤参与者。队列2:接受手术切除前的复发性IDH突变型胶质瘤参与者。本成像研究将包括一次给予HP 13C-aKG的MR扫描,并将在研究后1-7天内接受随访电话,以评估迟发性不良事件。

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