[F-18] Fluorothymidine PET/CT 成像用于盆腔肿瘤
覆盖宫颈癌、子宫内膜癌、肛门癌、直肠癌和前列腺癌。盆腔肿瘤患者的总体生存取决于全身疾病的控制,而局部放疗可能抑制骨髓功能,导致全身治疗中断,增加转移风险
![[F-18] Fluorothymidine PET/CT Imaging for Pelvic Cancers](/medical-api/medicalDataset/datasetCover/87407.jpg)
基本信息
资源简介
[F-18] Fluorothymidine PET/CT 成像用于盆腔肿瘤
该数据集来自 clinicaltrials.gov,聚焦于盆腔肿瘤的 [F-18] Fluorothymidine PET/CT 成像。覆盖宫颈癌、子宫内膜癌、肛门癌、直肠癌和前列腺癌。盆腔肿瘤患者的总体生存取决于全身疾病的控制,而局部放疗可能抑制骨髓功能,导致全身治疗中断,增加转移风险。约三分之一的成人骨髓位于盆腔区域,因此减少毒性对这类患者尤为重要。数据可用于评估 PET/CT 成像在预测骨髓功能、治疗耐受性及生存结局方面的作用,支持个体化治疗策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:宫颈肿瘤、子宫内膜肿瘤、肛门肿瘤、直肠肿瘤、前列腺肿瘤。盆腔肿瘤患者的总体生存取决于对全身疾病的控制。如果局部放射治疗使骨髓功能耗竭到必须暂停全身治疗的程度,转移失败的风险将显著增加。对于这组患者,这可能更为重要,因为大约三分之一的成人骨髓位于盆腔区域。尽量减少毒性的策略将使一系列盆腔肿瘤患者受益,包括妇科、肛门、直肠和前列腺肿瘤患者。新的放化疗联合方案改善了这些疾病部位的治疗结果,但代价是更高水平的毒性。多达40%的宫颈癌患者因血液学毒性而至少错过一个化疗周期,36%的肛门癌
【主题与分类】
主题标签:Uterine Cervical Neoplasms、Endometrial Neoplasms、Anus Neoplasms、Rectal Neoplasms、Prostatic Neoplasms。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01717391
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/NCT01717391
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
疾病范围:宫颈肿瘤、子宫内膜肿瘤、肛门肿瘤、直肠肿瘤、前列腺肿瘤。盆腔癌症患者的总生存期取决于对全身性疾病的控制。如果局部放射治疗导致骨髓功能严重受损,以至于必须暂停全身性治疗,那么发生转移的风险将显著增加。对于这一组患者而言,这一问题可能更为突出,因为成人骨髓约有三分之一位于盆腔区域。减少毒性的策略将使一系列盆腔癌症患者受益,包括妇科、肛门、直肠和前列腺癌症患者。新的放化疗联合方案改善了这些疾病部位的预后,但代价是毒性水平更高。多达40%的宫颈癌患者因血液学毒性而至少错过一个化疗周期,36%的肛门癌患者在接受放化疗时出现3级或4级血液学毒性。一项直肠癌同步放化疗的临床试验因毒性(包括血液学毒性)而终止。
同步放化疗在晚期前列腺癌中显示出应用前景,但也会增加3级和4级毒性反应。为成功限制盆腔肿瘤的血液学毒性,避免照射盆腔骨髓中高度增殖的区域极为有利。然而,盆腔结构复杂,难以评估放疗(RT)计划策略在避开造血关键区域方面的效果。通过正电子发射断层扫描(FLT PET/CT)成像的[18F]氟胸苷摄取,可作为识别和监测放化疗对增殖性盆腔骨髓影响的准确且敏感的工具。在临床上验证FLT PET/CT成像在制定骨髓保护性RT计划中识别活跃骨髓的效用,以及重要的骨髓评估时间点,将为减少盆腔
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。




