评估锆-89标记的Girentuximab PET显像在HCC、BTC或NEN患者中的研究
该数据集来自clinicaltrials.gov,聚焦于肝细胞癌(HCC)、肝内胆管癌(Icc)和神经内分泌肿瘤(NEN)患者,评估以锆-89标记的Girentuximab作为PET示踪剂的显像研究

基本信息
资源简介
评估锆-89标记的Girentuximab PET显像在HCC、BTC或NEN患者中的研究
该数据集来自clinicaltrials.gov,聚焦于肝细胞癌(HCC)、肝内胆管癌(Icc)和神经内分泌肿瘤(NEN)患者,评估以锆-89标记的Girentuximab作为PET示踪剂的显像研究。研究背景涉及碳酸酐酶IX(CAIX)在肿瘤中的表达及其在精准医学中的诊疗潜力,并提及177镥标记的诊疗一体化探索。数据可用于肿瘤分子影像、生物标志物识别及精准诊疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝细胞癌(HCC)、肝内胆管癌(Icc)、神经内分泌肿瘤。精准医学是肿瘤学的一个主要目标。其基础在于识别具有诊断、预后或预测价值的生物标志物。胃肠胰神经内分泌肿瘤(GEP-NENs)是罕见肿瘤,但其发病率正在增加。在此背景下,碳酸酐酶IX(CAIX)在肿瘤中的表达,加之其在正常组织中的表达受限,为治疗靶向和精准医学提供了机会。事实上,将抗CAIX单克隆抗体girentuximab用锆-89进行放射性标记,已显示出作为新型正电子发射断层扫描(PET)示踪剂的前景,而用177镥标记则在透明细胞肾细胞癌(ccRCC)的诊疗一体化方法背景下有望成为治疗剂。该研究
【主题与分类】
主题标签:Hepatocellular Carcinoma (HCC)、Intrahepatic Cholangiocarcinoma (Icc)、Neuroendocrine Tumors。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06735560
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/NCT06735560
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:肝细胞癌(HCC)、肝内胆管癌(Icc)、神经内分泌肿瘤。精准医学是肿瘤学的一个重要目标,其基础在于识别具有诊断、预后或预测价值的生物标志物。胃肠胰神经内分泌肿瘤(GEP-NENs)虽属罕见,但发病率正在上升。在此背景下,碳酸酐酶IX(CAIX)在肿瘤中的表达,加之其在正常组织中的有限分布,为治疗靶向和精准医学提供了契机。实际上,将抗CAIX单克隆抗体girentuximab用锆-89进行放射性标记,已显示出作为一种新型正电子发射断层扫描(PET)示踪剂的潜力,而用镥-177标记则在透明细胞肾细胞癌(ccRCC)的治疗诊断一体化方法中展现出作为治疗药物的前景。本研究旨在评估89Zr标记的girentuximab(89Zr-TLX250)作为一种新型、靶向碳酸酐酶IX(CAIX)的PET/CT示踪剂,用于胃肠胰神经内分泌肿瘤、肝细胞癌或肝内胆管癌成像的应用。
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。




