RVP-001（锰基MRI对比剂）二期递增剂量安全性与有效性研究
该数据集来自 clinicaltrials.gov，属于肿瘤/脑肿瘤方向，围绕锰基MRI对比剂 RVP-001 的二期递增剂量安全性与有效性研究
基本信息
资源简介
RVP-001（锰基MRI对比剂）二期递增剂量安全性与有效性研究
该数据集来自 clinicaltrials.gov，属于肿瘤/脑肿瘤方向，围绕锰基MRI对比剂 RVP-001 的二期递增剂量安全性与有效性研究。受试者可能包括稳定原发性脑肿瘤、转移性脑肿瘤、多发性硬化或其他钆增强中枢神经系统病灶患者。数据涉及筛选期 GBCA 增强 MRI 确认目标病灶、基线平扫 MRI、注射 RVP-001 时的动态成像，以及给药后第一小时内多个时间点的稳态成像，用于表征 RVP-001 的药效学并评估其显示血脑屏障破坏区和中枢神经系统异常血管的能力（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：中枢神经系统（CNS）病灶、脑转移瘤、脑肿瘤、良性脑肿瘤、原发性脑肿瘤、复发性脑肿瘤、脑肿瘤、脑癌。受试者可能包括患有稳定的原发性脑肿瘤、转移性脑肿瘤、多发性硬化或其他钆增强中枢神经系统病灶的个体。在筛选期进行 GBCA 增强 MRI 扫描以确认目标病灶存在后，将在注射 RVP-001 之前进行基线平扫 MRI 扫描。动态成像将与 RVP-001 注射同时进行。给药后第一小时内将在多个时间点进行稳态成像，以表征 RVP-001 的药效学，并评估其增强显示血脑屏障破坏区域和/或中枢神经系统异常血管区域的能力。Three d
【主题与分类】
主题标签：Central Nervous System (CNS) Lesions、Brain Metastases、Brain Neoplasms、Brain Neoplasms, Benign、Brain Tumor, Primary、Brain Tumor, Recurrent、Brain Tumors、Brain Cancer、Brain Tumor、Brain Neoplasm, Primary。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06322342
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/NCT06322342
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
疾病范围：中枢神经系统（CNS）病变、脑转移瘤、脑肿瘤、良性脑肿瘤、原发性脑肿瘤、复发性脑肿瘤、脑肿瘤、脑癌。受试者可能包括患有稳定性原发性脑肿瘤、转移性脑肿瘤、多发性硬化症或其他钆增强CNS病变的个体。在通过GBCA增强MRI筛查扫描确认目标病变存在后，将在注射RVP-001前进行基线无增强MRI扫描。动态成像将与RVP-001注射同时进行。给药后第一小时内将在多个时间点进行稳态成像，以表征RVP-001的药效学，并评估其增强显示血脑屏障破坏区域和/或中枢神经系统异常血管分布的能力。计划设立三个剂量队列。在给予RVP-001后一至六周内将进行无增强MRI扫描随访研究。
研究期间将通过评估以下参数来评价安全性：不良事件（AE）、体格检查、注射部位监测、心电图（ECG）、生命体征、临床实验室检查、病史以及既往用药和合并用药。
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。
