癌症患者中的3'-Deoxy-3'-[18F] Fluorothymidine PET成像
覆盖的疾病包括脑与中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征及骨髓增生异常/骨髓增殖性肿瘤
![3'-Deoxy-3'-[18F] Fluorothymidine PET Imaging in Patients With Cancer](/medical-api/medicalDataset/datasetCover/78853.jpg)
基本信息
资源简介
癌症患者中的3'-Deoxy-3'-[18F] Fluorothymidine PET成像
该数据集来自clinicaltrials.gov,聚焦于癌症患者中3'-Deoxy-3'-[18F] Fluorothymidine(FLT)正电子发射断层扫描(PET)成像的应用。覆盖的疾病包括脑与中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征及骨髓增生异常/骨髓增殖性肿瘤。数据可用于评估FLT PET成像测量肿瘤增殖和DNA合成通路(胸苷激酶水平)的能力,以及检测病灶和估计治疗反应的效能。患者最多接受四次FLT PET成像程序(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑与中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征、骨髓增生异常/骨髓增殖性肿瘤。目的:主要 评估3'-脱氧-3'-[18F]氟胸苷(FLT)正电子发射断层扫描(PET)成像在测量癌症患者肿瘤增殖和DNA合成通路(胸苷激酶水平)中的应用。次要 确定FLT PET成像在检测病灶和估计治疗反应方面的效能。概述:患者最多接受四次3'-脱氧-3'-[18F]氟胸苷正电子发射断层扫描成像程序。
【主题与分类】
主题标签:Brain and Central Nervous System Tumors、Chronic Myeloproliferative Disorders、Leukemia、Lymphoma、Lymphoproliferative Disorder、Myelodysplastic Syndromes。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00935090
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/NCT00935090
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:脑与中枢神经系统肿瘤、慢性骨髓增殖性疾病、白血病、淋巴瘤、淋巴增殖性疾病、多发性骨髓瘤与浆细胞肿瘤、骨髓增生异常综合征、骨髓增生异常/骨髓增殖性肿瘤。目的:主要 * 评估3’-脱氧-3’-[18F]氟胸苷(FLT)正电子发射断层扫描(PET)成像在测量癌症患者肿瘤增殖及DNA合成途径(胸苷激酶水平)中的应用。次要 * 确定FLT PET成像在检测病灶及评估治疗反应中的效能。概述:患者将接受最多四次3’-脱氧-3’-[18F]氟胸苷正电子发射断层扫描成像检查。
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。




