乳腺癌DCIS患者ER的混合分子成像
该数据集来自clinicaltrials.gov,聚焦乳腺癌与导管原位癌(DCIS)患者,采用全身MRI-PET混合扫描技术,将动态对比增强MRI(DCE MRI)的解剖与灌注数据与PET的功能成像数据结合

基本信息
资源简介
乳腺癌DCIS患者ER的混合分子成像
该数据集来自clinicaltrials.gov,聚焦乳腺癌与导管原位癌(DCIS)患者,采用全身MRI-PET混合扫描技术,将动态对比增强MRI(DCE MRI)的解剖与灌注数据与PET的功能成像数据结合。研究旨在评估同步乳腺DCE MRI与18F-FES PET测量雌激素受体(ER)的技术可行性,并识别低复发风险患者。假设是PET/MRI的定量18F-FES摄取参数与ER表达良好相关。数据可用于分子成像分析、ER表达预测及复发风险分层研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌,导管原位癌 - 类别。集成全身磁共振成像(MRI)-正电子发射断层扫描(PET)扫描仪最近已被引入临床使用。该技术将动态对比增强(DCE)MRI获得的解剖和灌注数据与PET获得的功能成像数据相结合。对于乳腺成像,MRI和PET的结合具有提高诊断准确性和提供乳腺癌分子表征的重要潜力。本研究的总体目的是确定同步乳腺DCE MRI与18F-FES PET测量导管原位癌(DCIS)患者雌激素受体(ER)并识别低疾病复发风险患者的技术可行性。假设是来自PET/MRI的定量18F-FES摄取参数将与
【主题与分类】
主题标签:Breast Cancer、Ductal Carcinoma in Situ - Category。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03703492
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/NCT03703492
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:乳腺癌,导管原位癌 - 类别。集成全身磁共振成像(MRI)-正电子发射断层扫描(PET)扫描仪最近已被引入临床使用。这项技术结合了动态对比增强(DCE)MRI获得的解剖和灌注数据与PET获得的功能成像数据。对于乳腺成像,MRI和PET的结合具有提高诊断准确性和提供乳腺癌分子特征的重要潜力。本研究的总体目的是确定同时进行乳腺DCE MRI与18F-FES PET的技术可行性,以测量导管原位癌(DCIS)患者的雌激素受体(ER),并识别疾病复发低风险的患者。假设是,来自PET/MRI的定量18F-FES摄取参数将与ER免疫组化评分及低风险复发评分良好相关。主要目标 1)比较使用PET/MRI测量的经活检证实的DCIS的定量18F-FES摄取与通过免疫组化测定的ER蛋白水平。次要目标 1.
- 确定用于区分ER+与ER阴性DCIS的最佳18F-FES摄取截断值 2. 确定肿瘤18F-FES摄取定量评估的测试-重测可重复性 3. 确定用于区分低风险DCIS与中/高风险DCIS的最佳18F-FES摄取截断值 4. 评估定量18F-FES摄取(连续SUVmax)与基于研究的Oncotype DX DCIS评分(0-100)之间的关联 5. 测量手术切除时升级为浸润性癌的比率 6. 将肿瘤18F-FES摄取与血清雌二醇及性激素结合球蛋白水平进行相关性分析。探索性目标 1)将肿瘤细胞密度与PET/MRI上的18F-FES摄取进行相关性分析
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。




