18F-FSPG PET 用于肝癌患者术前或移植前显像
该数据集来自 clinicaltrials.gov,聚焦肝癌患者在接受肝切除手术或原位肝移植前的 18F-FSPG PET 显像

基本信息
资源简介
18F-FSPG PET 用于肝癌患者术前或移植前显像
该数据集来自 clinicaltrials.gov,聚焦肝癌患者在接受肝切除手术或原位肝移植前的 18F-FSPG PET 显像。覆盖成人肝细胞癌、可切除肝细胞癌、胆管癌、良性肝肿瘤及肝转移瘤等病种。数据可用于评估 18F-FSPG PET/CT 与病理、肿瘤代谢的关系,并与标准诊断 MRI、11C-acetate PET/CT 及 18F-FDG PET/CT 进行摄取比较,同时评估良性肝病灶的摄取情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:成人肝细胞癌、可切除肝细胞癌、胆管癌、良性肝肿瘤、肝转移瘤。主要目标:I. 评估疑似肝细胞癌(HCC)并计划接受肝切除手术和原位肝移植(OLT)的患者中,18F-FSPG PET/计算机断层扫描(CT)、病理学与肿瘤代谢之间的关系。II. 在疑似 HCC 并计划接受肝切除手术或 OLT 的患者中,比较 18F-FSPG PET/CT 与标准治疗(SOC)诊断性 MRI 成像。III. 在计划接受肝切除手术或 OLT 的疑似 HCC 患者中,比较 18F-FSPG PET/CT 与 11C-acetate PET/CT 及 18F-FDG PET/CT 在疑似 HCC 和背景肝脏中的摄取。IV. 评估良性肝病灶中 18F-FSPG PET/CT 的摄取与背景的对比。V. 评估恶性非
【主题与分类】
主题标签:Adult Hepatocellular Carcinoma、Resectable Hepatocellular Carcinoma、Cholangiocarcinoma、Benign Liver Tumor、Metastases to Liver。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02379377
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/NCT02379377
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:成人肝细胞癌、可切除肝细胞癌、胆管癌、良性肝肿瘤、肝转移瘤。主要目标:I. 评估疑似肝细胞癌(HCC)并计划接受肝切除手术和原位肝移植(OLT)的患者中,18F-FSPG PET/计算机断层扫描(CT)、病理学和癌症代谢之间的关系。II. 在疑似HCC并计划接受肝切除手术或OLT的患者中,比较18F-FSPG PET/CT与标准治疗(SOC)诊断性MRI成像。III. 在计划接受肝切除手术或OLT的患者中,比较疑似HCC及背景肝脏中18F-FSPG PET/CT与11C-乙酸盐PET/CT及18F-FDG PET/CT的摄取情况。IV. 评估良性肝脏病变中18F-FSPG PET/CT的摄取情况,并与背景进行比较。V. 评估恶性非HCC肝脏肿瘤中18F-FSPG PET/CT的摄取情况。大纲:患者在手术或OLT后4周内接受18F-FSPG PET以及碳-11(11C)-乙酸盐PET或18F-FDG PET扫描。
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。




