鳞状细胞癌放疗反应的多模态监测

该数据集来自 clinicaltrials.gov,聚焦鳞状细胞癌患者在接受放疗前后的多模态监测数据。覆盖头颈、肛管、宫颈、食管及肺部鳞癌,在放疗开始前和开始后1-2周分别进行多参数MRI与18F-FDG PET成像,并同步开展肿瘤组织代谢组学分析

Umeå UniversityUmeå University
clinicaltrials
浏览 6
医学影像预测Squamous CarcinomaHead and Neck CancerAnal CancerLung CancerEsophageal CancerCervix Cancer
Multimodal Monitoring of Radiotherapy Response in Squamous Cell Cancer

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-08

资源简介

鳞状细胞癌放疗反应的多模态监测

该数据集来自 clinicaltrials.gov,聚焦鳞状细胞癌患者在接受放疗前后的多模态监测数据。覆盖头颈、肛管、宫颈、食管及肺部鳞癌,在放疗开始前和开始后1-2周分别进行多参数MRI与18F-FDG PET成像,并同步开展肿瘤组织代谢组学分析。数据可用于关联影像生物标志物与组织或血液生物标志物的变化,识别可预测治疗结局的影像标志物,并分为假设生成集与验证集,支持放疗反应预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:鳞状细胞癌、头颈癌、肛管癌、肺癌、食管癌、宫颈癌。头颈、肛管、宫颈、食管或肺的鳞状细胞癌患者将在放疗开始前和开始后1-2周接受评估。多参数MRI和18F-2-氟-2-脱氧-D-葡萄糖氟脱氧葡萄糖(18F-FDG)正电子发射断层扫描(PET)将与肿瘤组织的代谢组学分析并行进行。研究者将通过重复成像和活检,将影像生物标志物的变化与组织或血液生物标志物的相应变化相关联,以更好地理解图像参数。两次评估的数据将用于识别可预测结局的影像生物标志物。患者数据将被分为一组用于假设生成的数据集和另一组用于验证的数据集。

【主题与分类】

主题标签:Squamous Carcinoma、Head and Neck Cancer、Anal Cancer、Lung Cancer、Esophageal Cancer、Cervix Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02379039

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02379039

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:鳞状细胞癌、头颈癌、肛门癌、肺癌、食管癌、宫颈癌。头颈部、肛管、宫颈、食管或肺的鳞状细胞癌患者将在放疗开始前以及开始后1-2周接受评估。将同步进行多参数MRI和18F-2-氟-2-脱氧-D-葡萄糖氟代脱氧葡萄糖(18F-FDG)正电子发射断层扫描(PET)以及肿瘤组织的代谢组学分析。研究者将通过重复成像和活检,将成像生物标志物的变化与组织或血液生物标志物的相应变化进行关联,以更好地理解图像参数。两次评估的数据将用于识别可预测结局的成像生物标志物。患者数据将被分为一组用于假设生成,另一组用于验证。

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。

获取专属数据定制方案