多中心前瞻性中线胶质瘤MRI人工智能分型与预后研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07608003

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：携带 IDH1 和/或 IDH2 突变的胶质瘤、胶质瘤：多形性胶质母细胞瘤、脑干胶质瘤、弥漫性中线胶质瘤，H3K27M 突变型、胶质瘤：少突胶质细胞瘤或星形细胞瘤、胶质瘤。本研究旨在验证基于 MRI 的人工智能模型在中线胶质瘤患者个体化诊断与治疗中的临床价值。该模型将术前 MRI 特征与临床变量（例如年龄、性别及其他相关患者特征）整合，以预测分子亚型和患者预后。模型工作流程。该模型以术前 MRI 序列中的含肿瘤切片以及患者年龄和性别作为输入。通过识别 MRI 序列中的信息，模型输出患者的预测分子诊断。主要目标。通过将模型预测结果与术后或活检后病理这一金标准进行比较，评估其在中线胶质瘤术前分子分型（H3K27M、IDH 和 1p/19q 状态）中的准确性。诊断性能将采用灵敏度、特异度、准确度、F1 分数和受试者工作特征曲线下面积（AUC）进行评估。次要目标。通过整合影像特征与临床变量来预测患者生存结局和治疗反应，以评估模型的预后能力。预后性能将采用时间依赖性 AUC 和校准指标进行评估。探索性目标。探讨该模型在临床决策中的附加价值，包括其指导术前治疗计划和风险分层的潜力。这项前瞻性、多中心研究将在中国多家三级神经外科中心开展。预期研究结果将为中线胶质瘤的无创、精准诊断和个体化管理提供高级别证据。

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。