Trop2靶向免疫PET成像用于实体瘤
该数据集来自clinicaltrials.gov，聚焦Trop2靶向免疫PET成像在实体瘤中的应用，覆盖肺癌、膀胱癌、前列腺癌、鼻咽癌、肝癌等多种实体瘤及疑似病例
基本信息
资源简介
Trop2靶向免疫PET成像用于实体瘤
该数据集来自clinicaltrials.gov，聚焦Trop2靶向免疫PET成像在实体瘤中的应用，覆盖肺癌、膀胱癌、前列腺癌、鼻咽癌、肝癌等多种实体瘤及疑似病例。数据纳入经组织学确诊的实体瘤患者，或经传统影像学提示疑似实体瘤的患者，同时涵盖常规随访、监测和疗效评估场景。可用于肿瘤影像诊断、患者分层及治疗反应评估等相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：实体瘤、实体癌、尿路上皮癌、膀胱癌、前列腺癌、肺癌、鼻咽癌、肝癌。将纳入经组织学确诊的实体瘤患者（包括尿路上皮癌、膀胱癌、前列腺癌、肺癌、鼻咽癌、肝癌、胆管癌、卵巢癌、宫颈癌、子宫内膜癌、甲状腺癌、头颈癌），或经传统诊断成像提示疑似实体瘤的患者（包括尿路上皮癌、膀胱癌、前列腺癌、肺癌、鼻咽癌、肝癌、胆管癌、卵巢癌、宫颈癌、子宫内膜癌、甲状腺癌、头颈癌）。患者也将因常规随访、监测和治疗疗效评估而被纳入。对于前列腺癌患者或疑似前列腺癌患者
【主题与分类】
主题标签：Solid Tumor、Solid Carcinoma、Uroepithelial Carcinoma、Bladder Cancer、Prostate Cancer、Lung Cancer、Nasopharyngeal Cancer、Liver Cancer、Cholangiocarcinoma、Ovarian Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06851663
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/NCT06851663
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
疾病类型：实体瘤、实体癌、尿路上皮癌、膀胱癌、前列腺癌、肺癌、鼻咽癌、肝癌。纳入经组织学确诊的实体瘤（包括尿路上皮癌、膀胱癌、前列腺癌、肺癌、鼻咽癌、肝癌、胆管癌、卵巢癌、宫颈癌、子宫内膜癌、甲状腺癌、头颈部癌）患者，或经常规诊断性影像学检查提示疑似实体瘤（包括尿路上皮癌、膀胱癌、前列腺癌、肺癌、鼻咽癌、肝癌、胆管癌、卵巢癌、宫颈癌、子宫内膜癌、甲状腺癌、头颈部癌）的患者。患者亦因常规随访、监测及治疗疗效评估而纳入。对于前列腺癌或疑似前列腺癌患者，仍需与PSMA PET进行头对头比较。入组患者将在示踪剂注射后1-2小时（0.05-0.1 mCi/kg）接受全身免疫PET/CT扫描。将对肿瘤及正常器官/组织中显像示踪剂的摄取进行视觉和定量评分。
肿瘤摄取将通过最大标准摄取值（SUVmax）进行量化。将计算敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）和准确性，以评估诊断效能。将进一步分析病灶摄取与通过免疫组化染色测定的Trop2表达水平之间的相关性。主要探索终点将是示踪剂的成像可行性及其与18F-FDG PET/CT等传统成像方法相比的初步诊断价值。
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。
