靶向LRRC15的SPECT显像在恶性肿瘤中的临床应用价值
纳入LRRC15高表达恶性肿瘤患者（胰腺癌、乳腺癌、肺癌、卵巢癌、头颈部肿瘤、结直肠癌、黑色素瘤）及健康志愿者，用LRRC15特异性SPECT显像剂行SPECT/CT成像
基本信息
资源简介
靶向LRRC15的SPECT显像在恶性肿瘤中的临床应用价值
纳入LRRC15高表达恶性肿瘤患者（胰腺癌、乳腺癌、肺癌、卵巢癌、头颈部肿瘤、结直肠癌、黑色素瘤）及健康志愿者，用LRRC15特异性SPECT显像剂行SPECT/CT成像。以病理诊断为金标准评估诊断效能，明确病灶有无、位置和性质，并与[18F]FDG PET/CT比较，支持诊断、分期、负荷评估和治疗决策；健康志愿者开展药代动力学分析，阐明分布、代谢和安全性（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：胰腺癌、乳腺癌、肺癌、肉瘤、头颈部癌症、胶质母细胞瘤、结直肠癌、黑色素瘤。以下是经过润色的文本版本：“本项目涉及高表达LRRC15的恶性肿瘤患者，这些患者临床疑似或已确诊患有胰腺癌、乳腺癌、肺癌、卵巢癌、头颈部肿瘤、结直肠癌、黑色素瘤等，同时还包括健康志愿者。采用靶向LRRC15特异性SPECT显像剂进行SPECT/CT显像，以实现以下目标：对于恶性肿瘤患者：支持疾病诊断与分期。将以病理诊断为金标准评估诊断效能，明确病变的存在与否，并确定其位置和性质。通过与[18F]FDG PET/CT比较，实现准确分期并评估肿瘤负荷，从而辅助制定治疗方案。对于健康志愿者：进行药代动力学分析，阐明该显像剂在体内的分布、代谢及安全性特征。”
【主题与分类】
主题标签：Pancreatic Cancer、Breast Cancer、Lung Cancer、Sarcoma、Head and Neck Cancers、Glioblastoma、Colorectal Cancer、Melanoma、Ovarian Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07651020
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/NCT07651020
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
条件：胰腺癌、乳腺癌、肺癌、肉瘤、头颈部癌症、胶质母细胞瘤、结直肠癌、黑色素瘤。以下是经过润色的文本版本：“本项目涉及高表达LRRC15的恶性肿瘤患者，这些患者临床疑似或已确诊患有胰腺癌、乳腺癌、肺癌、卵巢癌、头颈部肿瘤、结直肠癌、黑色素瘤等，同时还包括健康志愿者。采用靶向LRRC15特异性SPECT显像剂进行SPECT/CT显像，以实现以下目标：对于恶性肿瘤患者：支持疾病诊断与分期。将以病理诊断为金标准评估诊断效能，明确病变的存在与否，并确定其位置和性质。通过与[18F]FDG PET/CT比较，实现准确分期并评估肿瘤负荷，从而辅助制定治疗方案。对于健康志愿者：进行药代动力学分析，阐明该显像剂在体内的分布、代谢及安全性特征。”
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
