Ga-DOTATOC PET 与 Octreoscan SPECT + CT 敏感性比较研究
该数据集来自 clinicaltrials.gov，收录一项比较 68Ga-DOTATOC PET/CT 与 Octreoscan（111In-pentetreotide）联合高分辨率增强 CT 在表达生长抑素受体的肿瘤患者中诊断与分期效能的临床研究
基本信息
资源简介
Ga-DOTATOC PET 与 Octreoscan SPECT + CT 敏感性比较研究
该数据集来自 clinicaltrials.gov，收录一项比较 68Ga-DOTATOC PET/CT 与 Octreoscan（111In-pentetreotide）联合高分辨率增强 CT 在表达生长抑素受体的肿瘤患者中诊断与分期效能的临床研究。覆盖成人及儿童髓母细胞瘤、神经母细胞瘤、神经内分泌肿瘤和生长抑素瘤。数据可用于评估两种显像方式的敏感性差异，支持肿瘤诊断与分期相关的方法学研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：成人髓母细胞瘤、儿童髓母细胞瘤、神经母细胞瘤、神经内分泌肿瘤、生长抑素瘤。主要目标：I. 比较[68Ga]-DOTA-tyr3-Octreotide（68Ga-DOTATOC）（镓 Ga 68-edotreotide）PET/CT 与 Octreoscan（铟 In 111 pentetreotide）+ 高分辨率、对比增强 CT 在表达生长抑素受体的肿瘤患者中诊断和分期的效能。概要：患者接受镓 Ga 68-edotreotide 静脉（IV）给药并接受 PET/CT 扫描。在 120 天内，患者接受标准铟 In 111 pentetreotide 对比增强 CT 或 MRI 扫描。如果第一次扫描的病灶无法确认，患者还可在 3-6 个月内接受第二次镓 Ga 68-edotreotide PET/CT 扫描。
【主题与分类】
主题标签：Adult Medulloblastoma、Childhood Medulloblastoma、Neuroblastoma、Neuroendocrine Tumor、Somatostatinoma。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01869725
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/NCT01869725
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
适应症：成人髓母细胞瘤、儿童髓母细胞瘤、神经母细胞瘤、神经内分泌肿瘤、生长抑素瘤。主要目标：I. 比较[68Ga]-DOTA-tyr3-奥曲肽（68Ga-DOTATOC）（镓Ga 68-依多曲肽）PET/CT与奥曲肽扫描（铟In 111喷曲肽）+高分辨率增强CT在表达生长抑素受体的肿瘤患者诊断和分期中的疗效。方案概要：患者接受镓Ga 68-依多曲肽静脉注射（IV）并进行PET/CT扫描。在120天内，患者接受标准的铟In 111喷曲肽增强CT或MRI扫描。如果首次扫描的病灶无法确认，患者还可在3-6个月内接受第二次镓Ga 68-依多曲肽PET/CT扫描。
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。
