磁敏感加权成像在脑胶质瘤术前分级中的应用
该数据集来自 clinicaltrials.gov,主题为磁敏感加权成像(SWI)在脑胶质瘤术前分级中的应用。胶质瘤是成人最常见的原发性脑肿瘤,术前判断其低级别或高级别对手术规划、治疗路径选择及预后判断至关重要

基本信息
资源简介
磁敏感加权成像在脑胶质瘤术前分级中的应用
该数据集来自 clinicaltrials.gov,主题为磁敏感加权成像(SWI)在脑胶质瘤术前分级中的应用。胶质瘤是成人最常见的原发性脑肿瘤,术前判断其低级别或高级别对手术规划、治疗路径选择及预后判断至关重要。目前确诊分级依赖手术切除或活检等有创组织取样,而常规 MRI 序列在低级别与高级别肿瘤间常存在特征重叠,难以可靠预测分级。SWI 是一种对血液产物、钙化及异常肿瘤血管引起的微观磁场畸变敏感的先进 MRI 序列,这些特征在 SWI 上表现为瘤内磁敏感信号(ITSS)。该数据可用于探索基于影像的胶质瘤术前分级方法(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Glioma, Brain Neoplasms, Cerebral Glioma. 胶质瘤是成人最常见的原发性脑肿瘤。术前确定胶质瘤是低级别还是高级别,对于手术规划、选择治疗路径和判断预后至关重要。目前,明确分级需要通过手术切除或活检进行有创组织取样。尽管常规磁共振成像(MRI)被常规执行,但常规序列在低级别与高级别肿瘤之间常显示出重叠特征,限制了其可靠预测肿瘤分级的能力。磁敏感加权成像(SWI)是一种先进的 MRI 序列,对血液产物、钙化和异常肿瘤血管引起的微观磁场畸变敏感。在 SWI 上,这些特征表现为瘤内磁敏感信号(ITSS)。由于高级别胶质瘤……
【主题与分类】
主题标签:Glioma、Brain Neoplasms、Cerebral Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07813741
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/NCT07813741
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:胶质瘤、脑肿瘤、脑胶质瘤。胶质瘤是成人中最常见的原发性脑肿瘤。术前判断胶质瘤为低级别还是高级别,对于手术规划、选择治疗路径及判断预后至关重要。目前,明确的病理分级需要通过手术切除或活检进行有创组织取样。尽管常规磁共振成像(MRI)是常规检查手段,但常规序列常显示低级别与高级别肿瘤之间存在重叠特征,限制了其可靠预测肿瘤分级的能力。磁敏感加权成像(SWI)是一种先进的MRI序列,对血液产物、钙化及异常肿瘤血管引起的微观磁场畸变敏感。在SWI上,这些特征表现为瘤内磁敏感信号(ITSS)。由于高级别胶质瘤通常比低级别胶质瘤表现出更明显的血管增生和微出血,量化ITSS可能为肿瘤分级提供一种无创的替代指标。
本前瞻性观察性研究的主要目的是评估SWI在脑胶质瘤术前分级中的诊断准确性,依据2021年世界卫生组织(WHO)中枢神经系统肿瘤分类,将影像学发现与组织病理学检查直接进行对比。拟接受手术切除或立体定向活检、影像学怀疑为脑胶质瘤的成年参与者将接受标准化的术前脑MRI方案。该方案在常规MRI序列、弥散加权成像(DWI/ADC)和磁共振波谱(MRS)的基础上纳入SWI。两名对病理结果不知情的独立放射科医师将评估肿瘤内磁敏感信号并进行分级。手术后,将影像学预测的分级与最终组织病理学进行对比,以确定SWI的敏感性、特异性和总体诊断准确性。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




