开发用于肺部疾病超极化惰性气体与惰性氟化气体MRI的最佳参数
该数据集来自clinicaltrials.gov，聚焦肺部疾病影像研究，覆盖肺移植、肺切除、肺癌、哮喘、囊性纤维化、慢性阻塞性肺疾病、肺气肿、间皮瘤等病种
基本信息
资源简介
开发用于肺部疾病超极化惰性气体与惰性氟化气体MRI的最佳参数
该数据集来自clinicaltrials.gov，聚焦肺部疾病影像研究，覆盖肺移植、肺切除、肺癌、哮喘、囊性纤维化、慢性阻塞性肺疾病、肺气肿、间皮瘤等病种。研究使用HP 3He、HP 129Xe和惰性氟化气体进行肺部MR成像，显示吸入气体在肺内的分布，并可在图像上测量以获取与肺功能相关的信息。参与至少包括两次访视，首次访视签署知情同意并筛查，研究药物给药、研究设备使用及MR成像在Thunder Bay Regional Health Sciences Centre的3T Research MRI进行，肺功能测试由注册呼吸治疗师等执行（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Lung Transplant, Lung Resection, Lung Cancer, Asthma, Cystic Fibrosis, Chronic Obstructive Pulmonary Disease, Emphysema, Mesothelioma. 使用HP 3He、HP 129Xe和惰性氟化气体获得的肺部MR图像基本上显示吸入气体在肺内的分布。可在这些图像上进行测量，以提供可与肺功能相关的额外信息。参与将涉及至少两次研究访视。在第一次访视期间，参与者将提供书面知情同意，并接受资格筛查。本研究的研究药物给药、研究设备使用和MR成像将在Thunder Bay Regional Health Sciences Centre (TBRHSC)的3T Research MRI进行。肺功能测试(PFTs)将由注册呼吸治疗师(RRT)和一名MR T在TBRHSC进行。
【主题与分类】
主题标签：Lung Transplant、Lung Resection、Lung Cancer、Asthma、Cystic Fibrosis、Chronic Obstructive Pulmonary Disease、Emphysema、Mesothelioma、Asbestosis、Pulmonary Embolism。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02748798
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/NCT02748798
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：肺移植、肺切除术、肺癌、哮喘、囊性纤维化、慢性阻塞性肺疾病、肺气肿、间皮瘤。使用HP 3He、HP 129Xe和惰性氟化气体获得的肺部MR图像基本上显示了吸入气体在肺内的分布。可以在这些图像上进行测量，以提供与肺功能相关的额外信息。参与将涉及至少两次研究访问。在第一次访问期间，参与者将提供书面知情同意书，并接受资格筛查。本研究的研究药物给药、研究设备的使用以及MR成像将在桑德贝地区健康科学中心（TBRHSC）的3T研究MRI上进行。肺功能测试（PFTs）将由注册呼吸治疗师（RRT）在TBRHSC进行，并且在参与者扫描期间将有一名MR技术人员在场。参与者将被置于MRI中，适当的胸部线圈像背心一样包裹在他们身上。在扫描期间将进行几次吸入程序。
在整个研究过程中，将密切监测参与者的安全。
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。
