USPIO增强MR成像在中枢神经系统肿瘤中的应用(UMIC)
源站描述指出,免疫反应或炎症是许多实体瘤进展和生长的关键驱动因素,脑肿瘤中大量存在的肿瘤相关巨噬细胞(TAM)被认为具有预后和治疗意义

基本信息
资源简介
USPIO增强MR成像在中枢神经系统肿瘤中的应用(UMIC)
该数据集来自clinicaltrials.gov,聚焦USPIO增强磁共振成像在中枢神经系统肿瘤中的应用,涵盖Vestibular Schwannoma、Glioma, Astrocytic等脑肿瘤。源站描述指出,免疫反应或炎症是许多实体瘤进展和生长的关键驱动因素,脑肿瘤中大量存在的肿瘤相关巨噬细胞(TAM)被认为具有预后和治疗意义。核心问题是如何在临床中检测、测量和监测这种炎症或TAM丰度。能够直接准确测量肿瘤巨噬细胞含量的临床适用成像测试将具有重要价值,USPIO增强MRI可能提供这一技术(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Vestibular Schwannoma、Glioma, Astrocytic。已知免疫反应或炎症是许多实体瘤进展和生长的关键驱动因素。称为巨噬细胞的炎症细胞在许多脑肿瘤中大量存在,这些肿瘤相关巨噬细胞或TAM被认为对这些肿瘤具有预后和治疗意义。然而,一个关键问题是这种炎症或TAM丰度如何在临床中被检测、测量和监测。一种能够直接且准确测量肿瘤巨噬细胞含量的临床适用成像测试将具有相当大的价值,而可能提供这种测试的一种技术是USPIO增强磁共振成像(MRI)。静脉注射后,USPIO或超小型超顺磁性氧化铁纳米颗粒在血流中循环,然后被炎症细胞/巨噬细胞摄取。
【主题与分类】
主题标签:Vestibular Schwannoma、Glioma, Astrocytic。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06572475
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/NCT06572475
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:前庭神经鞘瘤、胶质瘤、星形细胞瘤。已知免疫反应或炎症是许多实体肿瘤进展和生长的关键驱动因素。被称为巨噬细胞的炎性细胞在许多脑肿瘤中大量存在,这些肿瘤相关巨噬细胞(TAM)被认为对这些肿瘤的预后和治疗具有重要意义。然而,一个关键问题是,如何在临床上检测、测量和监测这种炎症或TAM的丰度。一种能够直接、准确测量肿瘤巨噬细胞含量的临床适用影像学检查将具有相当大的价值,而可能提供这一手段的技术之一是USPIO增强磁共振成像(MRI)。静脉注射后,USPIO(超小超顺磁性氧化铁纳米颗粒)在血流中循环,随后被肿瘤组织中的炎性细胞/巨噬细胞摄取,在那里可通过MRI检测到。
这项初步研究旨在评估一种市售的超顺磁性氧化铁纳米颗粒(USPIO)制剂——非罗莫司(Feraheme ©)能否准确量化脑肿瘤中的巨噬细胞丰度,并以前庭神经鞘瘤(VS)和疑似转化的低级别胶质瘤(LGG)为探索性研究重点。非生长性(静止性)和生长性VS患者,以及疑似转化的LGG患者,将在非罗莫司给药前、给药后即刻(< 2小时)以及给药后24小时和48小时分别接受专门的MRI序列扫描。对于接受手术的患者,所获取的影像将与切除的肿瘤组织进行比较,从而将炎症标志物与USPIO摄取进行对比。通过先进的实验室方法,本研究将力求在切除的VS和LGG标本中确定:USPIO摄取的细胞定位;含有USPIO的炎症细胞和/或肿瘤细胞的性质;以及USPIO摄取与肿瘤血管通透性或渗漏性之间的关系。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




