CT预测舒尼替尼治疗胰腺神经内分泌肿瘤数据集
该数据集包含接受舒尼替尼治疗的胰腺神经内分泌肿瘤患者CT影像及相关临床信息，可用于疗效预测和影像组学研究。由The Cancer Imaging Archive提供，来自The Cancer Imaging Archive，包含医学影像数据，包含56条数据记录，适用于分类任务，许可证为CC BY 4.0。
基本信息
资源简介
CT预测舒尼替尼治疗胰腺神经内分泌肿瘤数据集
【一句话概览】
本数据集是 TCIA 公开的影像数据集，收录 合计 11.85 GB、38 例受试者，主题涵盖 Pancreatic Neuroendocrine Tumor，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Prediction of Sunitinib Efficacy using Computed Tomography in Patients with Pancreatic Neuroendocrine Tumors》。源站首次发布：2022/09/12。
【数据内容】
源站原始描述：Tumor shrinkage of >10% at first follow-up after sunitinib treatment was significantly associated with longer progression-free survival (PFS; P<0.001) and was used as the major treatment outcome. The CT value ratio could predict tumor shrinkage with AUC of 0.759 (95% confidence interval [CI], 0.685–0.833). We then developed a radiomics signature, which showed significantly higher AUC in training (0.915; 95% CI, 0.866–0.964) and validation (0.770; 95% CI, 0.584–0.956) sets than CT value ratio. DC…
中文译文（机器翻译，仅供快速理解，请以原文为准）：接受舒尼替尼治疗后首次随访时肿瘤缩小>10%与更长的无进展生存期（PFS；P<0.001）显著相关，并作为主要治疗结局。CT值比值可预测肿瘤缩小，AUC为0.759（95%置信区间[CI]，0.685–0.833）。随后我们开发了一个影像组学特征，其在训练集（0.915；95% CI，0.866–0.964）和验证集（0.770；95% CI，0.584–0.956）中的AUC均显著高于CT值比值。DCA也证实了该模型的临床实用性。亚组分析显示，该影像组学特征在预测原发性和转移性肿瘤以及初治和经治肿瘤的肿瘤缩小方面均具有较高准确性。生存分析显示，影像组学特征与PFS相关（P=0.020）。所提出的基于影像组学的模型能准确预测接受舒尼替尼治疗的panNET患者的肿瘤缩小和PFS，并可能有助于筛选适合接受舒尼替尼治疗的患者。
【数据结构与技术规格】
数据集 DOI：10.7937/SPGK-0P94。
【主题与分类】
源站学科分类：CT、Demographic、Classification、Follow-Up、Molecular Test。主题标签：Pancreatic Neuroendocrine Tumor。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://www.cancerimagingarchive.net/collection/ctpred-sunitinib-pannet/
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Chen, L., Wang, W., Jin, K., Yuan, B., Tan, H., Sun, J., Guo, Y., Luo, Y., Feng, S.-ting, Yu, X., Chen, M.-hu, & Chen, J. (2022). Prediction of Sunitinib Efficacy using Computed Tomography in Patients with Pancreatic Neuroendocrine Tumors (CTpred-Sunitinib-panNET) (Version 1) [Data set]. The Cancer…
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（TCIA 标准方式）
方式一：NBIA 搜索
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager 批量下载 DICOM。
方式二：NBIA API（程序化）
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据说明
该数据集包含接受舒尼替尼治疗的胰腺神经内分泌肿瘤患者CT影像及相关临床信息，可用于疗效预测和影像组学研究。
数据加载示例（DICOM 影像）
import pydicom, glob, os
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality)
img = d.pixel_array
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。
