MRinRT：斯旺西大学与西南威尔士癌症中心协作研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07365124

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：癌、胶质母细胞瘤、放射治疗、MRI、MRI引导的自适应放射治疗、MRI扫描仪配置、MRI图像增强、食管癌。

背景
放射治疗技术的进步使治疗更加适形，剂量梯度更陡，这意味着靶区体积更小，周围正常组织的剂量降低。这在一定程度上得益于放疗计划中所用成像的改进以及调强放射治疗的发展。对于大多数肿瘤部位，当前的标准治疗是在计划CT扫描上勾画靶区，并结合来自诊断性成像（如MRI或PET）的额外信息，这些成像可与计划CT扫描融合。已知MRI可提供更清晰的软组织和组织层面图像，从而能够更准确地照射靶区。将MRI与计划CT扫描融合以辅助靶区勾画，对于某些肿瘤部位（如脑部）是标准治疗，但在其他部位（如食管胃癌）则不是。

针对新肿瘤部位的MRI方案优化
我们课题组开展了一项关于MRI用于胃癌放疗靶区勾画的范围综述，发现尽管有证据表明MRI相比CT具有更好的对比分辨率，但其在放疗计划中的临床效用尚未得到证实。该研究组还开展了一项初步研究，评估在胃癌放疗计划的CT扫描基础上增加MRI，结果显示具有潜在临床获益。该研究的局限性在于患者数量少，且所用MRI是针对肝脏成像而非胃癌优化的诊断性扫描。已识别的一个问题是，由于胃充盈程度差异，MRI与CT计划扫描之间的解剖相关性较差。我们的研究将在此基础上优化MRI序列以提高成像清晰度，并确定和标准化最佳检查前准备。可以采集一系列MRI序列，每种序列提供不同的信息。此外，对比剂……

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。