肿瘤光动力治疗反应的多参数定量MRI数据集
该数据集来自小鼠肿瘤模型的光动力治疗（PDT）研究，采用7 T多参数定量MRI协议，在基线、PDT后即刻、24小时和72小时采集肿瘤的T1、T2弛豫时间、表观扩散系数（ADC）以及Gd-DOTA动态增强MRI的Ktrans和血管外细胞外容积分数等参数
基本信息
资源简介
肿瘤光动力治疗反应的多参数定量MRI数据集
Quantitative multi-parametric magnetic resonance imaging of tumor response to photodynamic therapy
该数据集来自小鼠肿瘤模型的光动力治疗（PDT）研究，采用7 T多参数定量MRI协议，在基线、PDT后即刻、24小时和72小时采集肿瘤的T1、T2弛豫时间、表观扩散系数（ADC）以及Gd-DOTA动态增强MRI的Ktrans和血管外细胞外容积分数等参数。数据可用于评估PDT早期治疗反应、识别潜在MR生物标志物，并支持肿瘤治疗疗效的定量影像分析（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：本研究旨在利用多参数定量MRI协议表征小鼠癌症模型对光动力治疗（PDT）的反应，并识别可作为早期评估治疗结果的潜在生物标志物的MR参数。方法：将CT26.WT结肠癌细胞皮下接种于BALB/c小鼠后肢生长肿瘤。治疗包括静脉注射光敏剂Bremachlorin，注射后6小时对肿瘤进行10分钟激光照射（200 mW/cm2）。在基线、PDT后即刻以及24小时和72小时进行7 T MRI。在每个时间点量化肿瘤弛豫时间常数（T1和T2）和表观扩散系数（ADC）。此外，进行Gd-DOTA动态对比增强（DCE）MRI以估计传输常数（Ktrans）和血管外细胞外体积分数
【主题与分类】
主题标签：Quantitative MRI、photodynamic therapy、treatment evaluation、multiparametric MRI、Magnetic resonance imaging。本站分类：肿瘤。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A09c09580f72fd5c600837c4a0da82cf81d8a4a05d830cfb172276bf5dbe741c6
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
目的：本研究旨在利用多参数定量MRI方案表征小鼠癌症模型对光动力疗法（PDT）的响应，并识别可作为早期评估治疗结果的潜在生物标志物的MR参数。方法：将CT26.WT结肠癌细胞皮下接种于BALB/c小鼠后肢进行肿瘤生长。治疗包括静脉注射光敏剂Bremachlorin，注射后6小时对肿瘤进行10分钟激光照射（200 mW/cm2）。在基线、PDT后即刻以及24小时和72小时进行7 T MRI检查。在每个时间点定量肿瘤弛豫时间常数（T1和T2）及表观扩散系数（ADC）。此外，采用标准Tofts-Kermode示踪剂动力学模型进行Gd-DOTA动态对比增强（DCE）MRI，以估算转运常数（Ktrans）和血管外细胞外间隙体积分数（ve）。实验结束时，……
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。
