18F-FDG-PET与MRI配准在潜在可切除肝门部胆管癌分期中的初步研究
该数据集来自clinicaltrials.gov，聚焦胆管癌（Cholangiocarcinoma），主题为18F-FDG-PET与MRI配准在潜在可切除肝门部胆管癌分期中的初步研究
基本信息
资源简介
18F-FDG-PET与MRI配准在潜在可切除肝门部胆管癌分期中的初步研究
该数据集对应一项在 clinicaltrials.gov 登记的临床研究，英文名称为“Coregistration of 18F-FDG-PET and MRI in the Staging of Potentially Resectable Hilar Cholangiocarcinoma: a Pilot Study”，中文可理解为“18F-FDG-PET 与 MRI 配准在潜在可切除肝门部胆管癌分期中的初步研究”。研究聚焦胆管癌（Cholangiocarcinoma），核心目的是评估配准后的 18F-FDG-PET/MRI 在潜在可切除肝门部胆管癌分期中的可行性与表现。从分类上看，该数据集归入肿瘤 / 其他类别，主题标签为胆管癌。整体而言，这是一项以影像配准技术为切入点、面向肝门部胆管癌术前分期的小型探索性研究的数据资源，适合关注胆管癌影像诊断与分期方法的研究者参考。
【数据集背景】
肝门部胆管癌的术前分期直接影响治疗决策，尤其是能否进行潜在可切除的判定。该研究以“初步研究”的定位，探索将 18F-FDG-PET 与 MRI 进行配准后用于分期的可行性及表现，属于影像方法学在肿瘤分期场景中的早期验证性工作。研究来源为 clinicaltrials.gov，所涉疾病条件为胆管癌。
【数据内容】
该数据集的主题标签为胆管癌，研究关注的核心对象是配准后的 18F-FDG-PET/MRI 影像在潜在可切除肝门部胆管癌分期中的可行性与表现。关于具体样本量、影像序列构成、变量字段、随访记录等细节，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov，属于临床研究登记信息。源站描述明确其疾病条件为胆管癌，并说明研究目的是评估配准 18F-FDG-PET/MRI 在潜在可切除肝门部胆管癌分期中的可行性与表现。关于采集机构、采集时间、采集设备参数与采集流程，源站未提供。
【适用场景】
基于现有信息，该数据集适用于胆管癌影像分期相关的方法学研究与背景调研，尤其是围绕 18F-FDG-PET 与 MRI 配准在肝门部胆管癌术前评估中应用价值的探索。也可作为肿瘤 / 其他类别下影像配准主题的参考资源。关于具体的模型训练、统计分析或临床决策支持等用途，源站未提供。
【使用方法】
源站未提供具体的使用方法、数据访问方式或操作说明。
【质量与限制】
该研究在标题中即定位为初步研究，提示其规模与结论的推广性有限。关于数据质量评价、样本代表性、配准精度指标及验证结果，源站未提供。使用者应注意其探索性研究属性，不宜将其视为成熟的分期标准依据。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT00604266
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：胆管癌。评估配准18F-FDG-PET/MRI在潜在可切除肝门部胆管癌分期中的可行性和性能。
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。
