68Ga-SorB PET/CT 实体瘤显像研究
该数据集来自 clinicaltrials.gov,为一项关于 68Ga-SorB PET/CT 显像在实体瘤患者中应用的研究记录

基本信息
资源简介
68Ga-SorB PET/CT 实体瘤显像研究
该数据集来自 clinicaltrials.gov,为一项关于 68Ga-SorB PET/CT 显像在实体瘤患者中应用的研究记录。覆盖黑色素瘤、肝细胞癌、肺癌、乳腺癌、胰腺癌、卵巢癌和胆管癌等病种。源站描述指出 Sortilin 在多种恶性肿瘤中高表达而在多数正常组织中表达较低,可作为肿瘤显像与靶向诊疗的分子靶点,并提及 18F-FDG PET/CT 因炎症病灶非特异性摄取可能出现假阳性。该数据可用于了解以 Sortilin 为靶点的 PET/CT 显像研究背景与适用瘤种范围(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:黑色素瘤(皮肤癌)、肝细胞癌、肺癌、乳腺癌、胰腺癌、卵巢癌、胆管癌。背景:Sortilin 是一种属于 VPS10 受体家族的 I 型跨膜受体。它在多种恶性肿瘤中高表达,包括黑色素瘤、肝细胞癌、肺癌、胰腺癌、乳腺癌、卵巢癌和胆管癌,而在大多数正常组织中表达相对较低。由于其肿瘤特异性表达模式和高效的受体介导内化,Sortilin 已成为癌症显像和靶向诊疗应用的有前景的分子靶点。尽管 ^18F-FDG PET/CT 广泛用于肿瘤显像,但其诊断性能可能受到炎症病灶非特异性摄取的限制,导致假阳性结果。因此,一种 mo
【主题与分类】
主题标签:Melanoma (Skin Cancer)、Hepatocellular Carcinoma、Lung Cancer、Breast Cancer、Pancreatic Cancer、Ovarian Cancer、Cholangiocarcinoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07760012
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/NCT07760012
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:黑色素瘤(皮肤癌)、肝细胞癌、肺癌、乳腺癌、胰腺癌、卵巢癌、胆管癌。背景:Sortilin是一种属于VPS10受体家族的I型跨膜受体。其在多种恶性肿瘤中高表达,包括黑色素瘤、肝细胞癌、肺癌、胰腺癌、乳腺癌、卵巢癌和胆管癌,而在大多数正常组织中表达相对较低。由于其肿瘤特异性表达模式及高效的受体介导内化作用,Sortilin已成为肿瘤成像和靶向诊疗应用中有前景的分子靶点。尽管^18F-FDG PET/CT广泛用于肿瘤成像,但其诊断性能可能受炎症病灶非特异性摄取的局限,导致假阳性结果。因此,一种更具肿瘤特异性的PET示踪剂可能改善病灶检测和诊断准确性。研究设计:这是一项前瞻性、单中心、开放标签、探索性诊断成像研究,旨在评估新型Sortilin靶向PET放射性示踪剂^68Ga-SorB的临床性能。
约40-50例确诊或疑似黑色素瘤、肝细胞癌、肺癌、胰腺癌、乳腺癌、卵巢癌或胆管癌的成年患者将被纳入研究。所有参与者将按照研究方案接受^68Ga-SorB PET/CT显像。在预定时间窗内进行的标准诊疗^18F-FDG PET/CT(如可获得)将作为对照。组织病理学检查结果和/或临床及影像学随访将作为评估诊断性能的参考标准。研究目的主要目的是评估^68Ga-SorB的安全性和耐受性,评价显像可行性,并利用定量PET参数(包括SUVmax和肿瘤-本底比(TBR))表征示踪剂的生物分布和肿瘤摄取。次要探索性目的包括比较^68Ga-SorB PET/CT与^18F-FDG PET/CT之间的病灶检出情况,估计
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。




