UCSD 颅内病灶图像引导认知保护放射外科数据集
该数据集来自 clinicaltrials.gov,聚焦 UCSD 开展的图像引导认知保护放射外科研究,覆盖脑转移瘤、成人神经认知功能、癌症、脑膜瘤及脑动静脉畸形等主题

基本信息
资源简介
UCSD 颅内病灶图像引导认知保护放射外科数据集
该数据集来自 clinicaltrials.gov,聚焦 UCSD 开展的图像引导认知保护放射外科研究,覆盖脑转移瘤、成人神经认知功能、癌症、脑膜瘤及脑动静脉畸形等主题。研究背景指出,脑转移瘤影响三分之一的成人癌症患者,立体定向放射外科(SRS)是有限脑转移瘤的标准治疗,但高剂量可能累及重要白质和海马,导致多数患者治疗后认知下降;SRS 同样是脑动静脉畸形和脑膜瘤等良性颅内病变的标准治疗。研究团队开发了稳健的成像方法与自动分割技术,利用 DTI 和容积成像识别关键白质纤维束与海马,可用于相关图像分割与认知保护研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑转移瘤,成人,神经认知功能,癌症,脑膜瘤,脑动静脉畸形。背景:脑转移瘤影响三分之一的成人癌症患者。立体定向放射外科(SRS)是有限脑转移瘤患者的标准治疗。然而,由于高剂量可能累及重要白质和海马,大多数患者将经历治疗后认知下降。SRS 也是脑动静脉畸形(AVMs)和脑膜瘤等良性颅内病变的标准治疗。目的/假设:研究者团队已开发出创新、稳健的成像方法和自动分割技术,利用先进的弥散张量成像(DTI)和容积成像来识别关键白质纤维束和海马。这些新颖的成像技术还使我们能够直接且无创
【主题与分类】
主题标签:Brain Metastases, Adult、Neurocognitive Function、Cancer、Meningioma of Brain、Arteriovenous Malformations, Cerebral。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04343157
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/NCT04343157
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
疾病:脑转移瘤、成人、神经认知功能、癌症、脑膜瘤、脑动静脉畸形。背景:脑转移瘤影响三分之一的成人癌症患者。立体定向放射外科(SRS)是局限性脑转移瘤患者的标准治疗。然而,由于高剂量可能累及重要的白质和海马体,大多数患者将经历治疗后的认知功能下降。SRS也是脑动静脉畸形(AVMs)和脑膜瘤等良性颅内病变的标准治疗。目的/假设:研究团队已开发出创新、稳健的成像方法和自动分割技术,利用先进的弥散张量成像(DTI)和容积成像来识别关键白质纤维束和海马体。这些新颖的成像技术还使我们能够直接、无创地测量体内放疗后关键脑结构的微结构变化。研究者将在认知保护性脑SRS的前瞻性试验中使用这些先进的成像技术。
具体目标:1:评估在脑立体定向放射外科(SRS)中,对功能重要的白质纤维束(对记忆、语言、注意力和执行功能至关重要)及海马相对保留免受高剂量照射,是否能使1至3个脑转移瘤患者相较于历史对照在SRS后3个月时认知表现得到改善。2:测量接受认知保留性脑SRS患者的白质损伤纵向变化趋势(使用DTI)和海马萎缩情况(使用体积变化),并将这些影像生物标志物与特定认知域结局进行相关性分析。研究设计:研究者将前瞻性入组预计80-90名患有颅内病变(如脑膜瘤和动静脉畸形等良性肿瘤)及有限脑转移瘤、符合脑SRS和MRI条件的成人患者。患者将在基线(SRS前)以及之后1个月、3个月和6个月接受包含DTI和3D容积成像的MRI检查。将进行白质和海马分割,并关键区域
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。




