评估PYLARIFY PET-CT检测胰腺癌、肝细胞癌和乳腺癌转移临床效用的初步研究
该数据集来自clinicaltrials.gov,聚焦胰腺癌、乳腺癌和肝细胞癌患者中疑似转移灶的影像诊断研究。核心目标是评估PYLARIFY(piflufolastat F18)PET-CT的诊断准确性,以与金标准一致的病例数除以总样本量来定义准确性,并进一步计算敏感度、特异度、阴性预测值和阳性预测

基本信息
资源简介
评估PYLARIFY PET-CT检测胰腺癌、肝细胞癌和乳腺癌转移临床效用的初步研究
该数据集来自clinicaltrials.gov,聚焦胰腺癌、乳腺癌和肝细胞癌患者中疑似转移灶的影像诊断研究。核心目标是评估PYLARIFY(piflufolastat F18)PET-CT的诊断准确性,以与金标准一致的病例数除以总样本量来定义准确性,并进一步计算敏感度、特异度、阴性预测值和阳性预测值等指标,同时评价其附加临床效用。数据可用于肿瘤转移检测的影像诊断方法学研究和诊断准确性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胰腺癌、乳腺癌、肝细胞癌。主要目标: 评估PYLARIFY(piflufolastat F18)PET-CT对疑似转移性胰腺癌、肝细胞癌(HCC)和乳腺癌患者成像的诊断准确性。准确性定义为PYLARIFY PET-CT与金标准真值之间一致病例数除以总样本量。次要目标: 通过敏感度、特异度、阴性预测值和阳性预测值等额外准确性指标,评估PYLARIFY(piflufolastat F18)PET-CT对疑似转移性胰腺癌、肝细胞癌(HCC)和乳腺癌患者成像的诊断准确性。* 评估PYLARIFY(piflufolastat F18)PET-CT对疑似转移性胰腺癌患者成像的附加临床效用
【主题与分类】
主题标签:Pancreatic Cancer、Breast Cancer、Hepatocellular Carcinoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05394259
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/NCT05394259
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
适应症:胰腺癌、乳腺癌、肝细胞癌。
主要目的:
- 评估PYLARIFY(piflufolastat F18)PET-CT对疑似转移性胰腺癌、肝细胞癌(HCC)和乳腺癌患者成像的诊断准确性。准确性定义为PYLARIFY PET-CT与金标准真相之间一致病例数除以总样本量。
次要目的: - 通过包括敏感性、特异性、阴性预测值和阳性预测值在内的额外准确性指标,评估PYLARIFY(piflufolastat F18)PET-CT对疑似转移性胰腺癌、肝细胞癌(HCC)和乳腺癌患者成像的诊断准确性。
- 评估PYLARIFY(piflufolastat F18)PET-CT对疑似转移性胰腺癌、HCC和乳腺癌患者成像的附加临床实用性。
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。
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。




