提高原发性中枢神经系统淋巴瘤立体定向脑活检的安全性与准确性

该数据集来自clinicaltrials.gov,聚焦原发性中枢神经系统淋巴瘤(PCNSL)的立体定向脑活检安全性与准确性

IRCCS San RaffaeleIRCCS San Raffaele
clinicaltrials
浏览 13
医学影像分类Cerebral Lymphoma
Improving Safety and Accuracy of Stereotactic Brain Biopsies in Primary Central Nervous System Lymphoma.

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-11

资源简介

提高原发性中枢神经系统淋巴瘤立体定向脑活检的安全性与准确性

该数据集来自clinicaltrials.gov,聚焦原发性中枢神经系统淋巴瘤(PCNSL)的立体定向脑活检安全性与准确性。PCNSL是一种罕见的结外非霍奇金淋巴瘤,仅占所有原发性脑肿瘤的3%,因其解剖位置特殊,在肿瘤血液学中构成重要的临床与诊断挑战。数据集关注肿瘤周边区域(PTA)不同MRI模式与对比增强区域(CER)外组织病理学敏感性的关联,旨在帮助深部病灶患者的诊断,使原本不适合立体定向活检的患者获得适当治疗。可用于脑肿瘤影像与病理相关性研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:脑淋巴瘤。原发性中枢神经系统淋巴瘤(PCNSL)是一种侵袭性结外非霍奇金淋巴瘤,仅局限于神经系统内。它是一种相对罕见的疾病,仅占所有原发性脑肿瘤的3%,但由于其解剖位置,在肿瘤血液学中构成了重要的临床和诊断挑战。肿瘤周边区域(PTA)的不同MRI模式可能与对比增强区域(CER)外的诊断潜力相关的不同组织病理学敏感性相关。增进对PTA诊断潜力的理解,对于诊断深部病灶患者非常有帮助,否则这些患者将不适合进行立体定向活检,因而也无法获得后续的适当治疗。

【主题与分类】

主题标签:Cerebral Lymphoma。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06263361

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/NCT06263361

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:脑淋巴瘤。原发性中枢神经系统淋巴瘤(PCNSL)是一种侵袭性结外非霍奇金淋巴瘤,仅局限于神经系统内。它是一种相对罕见的疾病,仅占所有原发性脑肿瘤的3%,但由于其解剖位置,在肿瘤血液学中构成了重要的临床和诊断挑战。肿瘤周围区域(PTA)的不同MRI模式可能与对比增强区域(CER)之外的诊断潜力相关的不同组织病理学敏感性相关。提高对PTA诊断潜力的理解,对于诊断深部病变患者大有帮助,否则这些患者将不适合进行立体定向活检,从而无法接受适当的治疗。

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