弥散加权MRI预测中枢神经系统转移瘤立体定向放疗治疗反应
该数据集来自clinicaltrials.gov，关注中枢神经系统（CNS）转移瘤患者接受立体定向放疗后的治疗反应预测。源站描述指出，目前尚无方法可提前判断转移瘤的放射敏感性，治疗反应只能通过传统X线、CT和MRI上转移瘤大小的变化来观察，而这种变化常在治疗完成后数周至数月才出现
基本信息
资源简介
弥散加权MRI预测中枢神经系统转移瘤立体定向放疗治疗反应
该数据集来自clinicaltrials.gov，关注中枢神经系统（CNS）转移瘤患者接受立体定向放疗后的治疗反应预测。源站描述指出，目前尚无方法可提前判断转移瘤的放射敏感性，治疗反应只能通过传统X线、CT和MRI上转移瘤大小的变化来观察，而这种变化常在治疗完成后数周至数月才出现。Lund University Hospital开发了弥散方差分解（DIVIDE）成像技术，可测量各测量点的各向同性与各向异性弥散散射，从而提供更多信息。该数据可用于探索弥散加权MRI在预测放疗反应及放射性坏死方面的应用（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：放疗、脑转移瘤、敏感性、放射性坏死。立体定向放射治疗是治疗恶性疾病患者脑转移瘤的重要且常用方法。然而，目前尚无方法可提前确定转移瘤的放射敏感性，治疗反应只能通过传统X线检查、计算机断层扫描（CT）和磁共振成像（MRI）上转移瘤大小的变化来观察。转移瘤大小的变化通常是在治疗完成后数周/数月才可见。在Lund University Hospital，一种新的成像技术——弥散方差分解（DIVIDE）——现已被开发出来。利用该技术，可以针对每个测量点测量各向同性和各向异性弥散的散射，从而提供显著更多的关于
【主题与分类】
主题标签：Radiotherapy、Brain Metastases、Sensitivity、Radionecrosis。本站分类：肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04700748
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/NCT04700748
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：放射治疗，脑转移瘤，敏感性，放射性坏死。立体定向放射治疗是治疗恶性肿瘤患者脑转移瘤的一种重要且常用的方法。然而，目前尚无方法能预先确定转移瘤的放射敏感性，治疗反应只能通过传统X射线检查、计算机断层扫描（CT）和磁共振成像（MRI）上转移瘤大小的变化来观察。转移瘤大小的变化通常在治疗完成后数周/数月才能见到。在隆德大学医院，现已开发出一种新的成像技术——扩散方差分解（DIVIDE）。利用这项技术，可以测量每个测量点的各向同性和各向异性扩散中的散射，与当前方法相比，这提供了关于组织特性的显著更多信息。
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。
