胶质瘤IDH1突变无创识别数据集
该数据集来自clinicaltrials.gov，聚焦胶质瘤IDH1突变的无创识别。源站描述指出，研究通过高场MRI波谱检测D-2HG以识别IDH1突变胶质瘤，并开发COLD PCR结合数字PCR从游离血浆DNA检测突变，灵敏度58%、特异度100%，同时发现尿D-2HG水平与肿瘤IDH1状态相关
基本信息
资源简介
胶质瘤IDH1突变无创识别数据集
该数据集来自clinicaltrials.gov，聚焦胶质瘤IDH1突变的无创识别。源站描述指出，研究通过高场MRI波谱检测D-2HG以识别IDH1突变胶质瘤，并开发COLD PCR结合数字PCR从游离血浆DNA检测突变，灵敏度58%、特异度100%，同时发现尿D-2HG水平与肿瘤IDH1状态相关。数据可用于胶质瘤分子分型的无创诊断研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：胶质瘤的无创诊断。我们的初步结果表明，胶质瘤和患者脑脊液中D-2HG含量极高，因此有可能通过波谱MRI检测其存在，并建立对IDH1突变胶质瘤的无创诊断。我们的目标是通过高场MRI波谱识别和量化D-2HG的存在，以识别具有IDH1突变的胶质瘤。同时，我们开发了一种选择性扩增突变型IDH1的技术（COLD PCR）：通过将该技术与数字PCR结合，我们已经能够从游离血浆DNA中检测IDH1突变，灵敏度为58%，特异度为100%。与此同时，我们已经表明患者尿液中的D-2HG水平与肿瘤IDH1状态相关。主要目标是用这种三重方法（检测血浆上的突变
【主题与分类】
主题标签：Non Invasive Diagnosis of Glioma。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01703962
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/NCT01703962
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
条件：胶质瘤的无创诊断。我们的初步结果表明，胶质瘤患者肿瘤组织及脑脊液中D-2HG含量极高，因此有望通过磁共振波谱成像（spectro-MRI）检测其存在，从而实现IDH1突变胶质瘤的无创诊断。我们的目标是通过高场强磁共振波谱成像识别并定量D-2HG的存在，以识别携带IDH1突变的胶质瘤。与此同时，我们开发了一种选择性扩增IDH1突变型的技术（COLD PCR）：将该技术与数字PCR相结合，我们已能够从游离血浆DNA中检测IDH1突变，灵敏度为58%，特异性为100%。同时，我们还发现患者尿液中D-2HG水平与肿瘤IDH1状态相关。主要目标是通过三重方法（血浆DNA突变检测、尿液D-2HG检测、磁共振波谱成像检测肿瘤D-2HG）识别携带IDH1 arg132His突变的患者；次要目标是评估这些标志物在患者随访以及鉴别肿瘤复发与治疗所致损伤方面的价值。
将纳入40例II级和III级胶质瘤患者（20例突变型，20例非突变型），并随访一年（计划进行五次测量）。首要关注点是诊断：IDH1Arg132His突变的存在有助于胶质瘤的诊断。这一信息对于因肿瘤位置被认为存在风险、患者一般状况或合并症及用药情况而不适合活检的患者尤为宝贵。我们还希望利用这些参数更好地监测患者的随访，并拥有一种新方法来区分肿瘤复发与放射性坏死或放疗后白质脑病。
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。
