复制数据：肺癌18F-FDG PET/MRI成像中运动稳健的放射组学特征
该数据集包含17例非小细胞肺癌患者的834个放射组学特征，每例均接受20分钟18F-氟脱氧葡萄糖正电子发射断层扫描（PET）/磁共振成像（MRI）采集
基本信息
资源简介
复制数据：肺癌18F-FDG PET/MRI成像中运动稳健的放射组学特征
Replication Data for: Motion robust radiomic features in 18F-FDG PET/MRI imaging of lung cancer
该数据集包含17例非小细胞肺癌患者的834个放射组学特征，每例均接受20分钟18F-氟脱氧葡萄糖正电子发射断层扫描（PET）/磁共振成像（MRI）采集。特征提取自三种PET图像重建：自由呼吸PET（PET_100%）、呼气末PET（PET_40%）和基于MRI的运动校正PET（PET_MoCo）。数据可用于研究呼吸运动对放射组学特征稳定性的影响，评估运动校正方法的效果，并支持肺癌影像组学分析及可重复性研究（来源 DOI 解析）。
【数据集背景】
源站首次发布：2021。
【数据内容】
源站描述（机器翻译，仅供参考）：这些数据包含从17名非小细胞肺癌患者中提取的834个放射组学特征，每位患者均接受20分钟的18F-氟脱氧葡萄糖正电子发射断层扫描（PET）/磁共振成像（MRI）采集。特征从三种PET图像重建中提取：1）自由呼吸PET（PET_100%），2）呼气末PET（PET_40%），3）基于MRI的运动校正PET（PET_MoCo）。
【主题与分类】
主题标签：Medicine, Health and Life Sciences、Mathematical Sciences、Physics、positron emission tomography、PET、lung cancer、radiomics、features、motion correction、gating。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://dataverse.no/citation?persistentId=doi:10.18710/2JTIOT
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://doi.org/10.18710/2JTIOT
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
These data contain 834 extracted radiomic features from 17 non-small-cell lung cancer patients, each undergoing a 20-minute 18F-fluorodeoxyglucose positron emission tomography (PET)/magnetic resonance imaging (MRI) acquisition. Features from three PET image reconstructions were extracted: 1) free-breathing PET (PET_100%), 2) end-expiration PET (PET_40%) and 3) MRI-based motion corrected PET (PET_MoCo).
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。
