正电子发射断层成像/磁共振成像患者研究
该数据集来自 clinicaltrials.gov,聚焦肿瘤与肺癌方向,涵盖结肠癌、头颈癌、肺癌、淋巴瘤、恶性肿瘤、黑色素瘤及未明确的成人/儿童实体瘤等病种

基本信息
资源简介
正电子发射断层成像/磁共振成像患者研究
该数据集来自 clinicaltrials.gov,聚焦肿瘤与肺癌方向,涵盖结肠癌、头颈癌、肺癌、淋巴瘤、恶性肿瘤、黑色素瘤及未明确的成人/儿童实体瘤等病种。研究拟采集 100 例患者的 PET/MRI 扫描,并与同一受试者的 PET/CT 扫描进行对比,以 PET/CT 作为评估 PET/MRI 图像质量与定量性能的金标准。若完成这 100 例的成像能力与性能比较后仍需要,可能再纳入连续 100 例受试者进行同类比较。该数据可用于影像组学、多模态图像质量评估及衰减校正方法验证等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:结肠癌、头颈癌、肺癌、淋巴瘤、恶性肿瘤、黑色素瘤、未明确的成人实体瘤(方案特定)、未明确的儿童实体瘤(方案特定)。主要目标:I. 获取 100 例患者的 PET/MRI 扫描,并将其与同一受试者的 PET/CT 扫描进行比较。PET/CT 扫描将用作评估 PET/MRI 扫描图像质量和定量性能的金标准。在比较和评估该序贯 PET/MRI 成像系统对这 100 例受试者的成像能力和性能后,可能需要第二个由一百名连续受试者组成的队列,并再次与当前 PET 成像标准 PET/CT 进行比较。将 PET/MRI 设备的衰减校正方法和定量准确性与 PET/CT 进行比较的这一验证将是一个持续的
【主题与分类】
主题标签:Colon Cancer、Head and Neck Cancer、Lung Cancer、Lymphoma、Malignant Neoplasm、Melanoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01557881
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/NCT01557881
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:结肠癌、头颈癌、肺癌、淋巴瘤、恶性肿瘤、黑色素瘤、未明确的成人实体瘤(方案特定)、未明确的儿童实体瘤(方案特定)。主要目标:I. 获取100名患者的PET/MRI扫描结果,并将其与同一受试者的PET/CT扫描结果进行比较。PET/CT扫描将作为金标准,用于评估PET/MRI扫描的图像质量和定量性能。在对这100名受试者的序贯PET/MRI成像系统的成像能力和性能进行比较和评估后,可能需要对另外一百名连续受试者进行第二队列研究,并再次与当前的PET成像标准——PET/CT进行比较。这种对PET/MRI设备衰减校正方法和定量准确性的验证,与PET/CT相比,将是一个持续的迭代过程,旨在优化PET/MRI的性能,并成为其可供Seidman癌症中心以及其他机构内的其他临床研究项目使用的关键步骤。大纲:患者在接受标准PET/CT后,接受PET/MRI检查。
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。




