SSTR PET 半自动分割方法用于剂量学预测
研究旨在评估 SUVmean 作为肿瘤吸收剂量预测因子，并提出基于治疗前 68-Gallium-DOTATOC PET 的半自动分割方法以确定代谢肿瘤体积
基本信息
资源简介
SSTR PET 半自动分割方法用于剂量学预测
该数据集围绕难治性脑膜瘤的核医学诊疗研究展开，聚焦于生长抑素受体（SSTR）靶向的肽受体放射性核素治疗（PRRT）中的剂量学预测问题。研究以177Lu-DOTATATE治疗为背景，探讨以标准化摄取值均值（SUVmean）作为肿瘤吸收剂量预测因子的可行性，并提出一种半自动分割方法，用于在治疗前的68Ga-DOTATOC PET影像上确定代谢肿瘤体积。数据集英文名称为“Semi-automated Segmentation Methods of SSTR PET for Dosimetry Prediction”，在站内归入肿瘤／其他类别，来源为clinicaltrials.gov，主题标签为难治性脑膜瘤。整体而言，该数据集服务于SSTR PET影像分割与剂量学预测相结合的研究方向，为评估难治性脑膜瘤的随访与治疗反应提供方法学支撑。
【数据集背景】
难治性脑膜瘤的治疗与随访是神经肿瘤领域的难点之一。以生长抑素受体为靶点的肽受体放射性核素治疗，采用177Lu-DOTATATE进行肿瘤剂量学评估，可能有助于改善难治性脑膜瘤的随访管理与治疗反应评价。在此背景下，如何在治疗前借助影像手段预测肿瘤实际吸收的剂量，成为连接影像评估与放射性核素治疗的关键环节。该数据集所对应的研究正是围绕这一需求设计，试图评估SUVmean作为肿瘤吸收剂量预测因子的价值，并发展半自动化的分割流程，以便在治疗前的68Ga-DOTATOC PET影像上稳定地确定代谢肿瘤体积。
【数据内容】
数据集的核心内容与SSTR靶向PET影像的分割及剂量学预测相关。研究关注的主要指标包括标准化摄取值均值（SUVmean），并将其作为肿瘤吸收剂量的预测因子加以评估；同时提出半自动分割方法，用于确定代谢肿瘤体积。所涉及的影像模态为治疗前的68Ga-DOTATOC PET，治疗背景为177Lu-DOTATATE的SSTR靶向PRRT。数据集的站内分类为肿瘤／其他，主题标签为难治性脑膜瘤。除上述内容外，源站未提供关于具体样本量、影像文件格式、分割标注形式、剂量学参数数值等更细化的数据内容说明。
【采集与来源】
该数据集来源于clinicaltrials.gov，对应一项以难治性脑膜瘤为研究条件的临床研究登记信息。源站描述明确了研究条件为Refractory Meningioma，并说明了研究采用177Lu-DOTATATE进行SSTR靶向PRRT的肿瘤剂量学评估，以及在治疗前使用68Ga-DOTATOC PET开展影像分析的研究设计思路。关于数据采集的具体机构、采集时间跨度、设备型号、扫描协议参数以及数据脱敏与整理流程，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与SSTR靶向PET影像分析相关的研究场景，尤其是难治性脑膜瘤患者在177Lu-DOTATATE治疗前的剂量学预测研究。具体可用于评估SUVmean与肿瘤吸收剂量之间的关系，验证半自动分割方法在确定代谢肿瘤体积方面的表现，以及支持治疗前68Ga-DOTATOC PET影像的定量分析流程开发。其主题标签与站内分类也表明，该数据适合归入肿瘤影像与核医学治疗评估的交叉研究方向。关于其他潜在应用场景，源站未提供。
【使用方法】
源站描述提及提出半自动分割方法以确定代谢肿瘤体积，并评估SUVmean作为肿瘤吸收剂量预测因子，但未提供具体的使用步骤、算法流程、软件工具、参数设置或操作规范。因此，关于如何调用该数据集、如何进行分割标注与剂量学计算的详细方法，源站未提供。
【质量与限制】
该数据集来源于clinicaltrials.gov的临床研究登记信息，其描述侧重于研究目的与方法学方向。关于数据质量指标、样本规模、标注一致性、分割精度评估结果以及剂量学预测的验证结论，源站未提供。使用时应注意到，现有信息不足以判断数据的完整性与代表性，相关限制需结合源站的进一步资料加以确认。
【引用与许可】
关于该数据集的引用方式、许可条款与使用限制，源站未提供。
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/NCT05537675
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：难治性脑膜瘤。采用177镥-DOTATATE进行生长抑素受体靶向肽受体放射性核素治疗（SSTR靶向PRRT）的肿瘤剂量测定，可能有助于改善难治性脑膜瘤的随访和治疗反应。本研究旨在评估平均标准摄取值（SUVmean）作为肿瘤吸收剂量的预测因素，并提出半自动分割方法，以通过治疗前68镓-DOTATOC PET确定代谢肿瘤体积。
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。
