低计数定量SPECT用于接受镭-223治疗男性
镭-223是首个获FDA批准的αRPT,可为骨转移去势抵抗性前列腺癌男性带来生存获益。由于全身分布导致病灶与放射敏感器官的累积剂量未知,αRPT的分布与定位信息缺乏,妨碍治疗监测和剂量及方案个体化

基本信息
资源简介
低计数定量SPECT用于接受镭-223治疗男性
该数据集来源于clinicaltrials.gov,聚焦前列腺癌(含Cancer of the Prostate)患者接受镭-223([223Ra]RaCl2,Xofigo)α粒子发射放射性药物治疗后的低计数定量SPECT成像。镭-223是首个获FDA批准的αRPT,可为骨转移去势抵抗性前列腺癌男性带来生存获益。由于全身分布导致病灶与放射敏感器官的累积剂量未知,αRPT的分布与定位信息缺乏,妨碍治疗监测和剂量及方案个体化。该数据可用于研究低计数条件下的定量SPECT重建与剂量学分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:前列腺癌。内放射治疗(即全身给药并定位于病变部位的放射性标记分子)可向病变细胞提供消融肿瘤的辐射剂量,同时保护邻近正常组织。[223Ra]RaCl2(Xofigo)是首个获FDA批准的α粒子发射放射性药物治疗(αRPT),为伴有骨转移的去势抵抗性前列腺癌男性患者提供了生存获益。全身给药的放射治疗会分布于患者全身,在病变部位和放射敏感的重要器官中蓄积至未知水平。这种全身分布意味着患者体内的吸收剂量远远超出预先设定的治疗野范围。目前缺乏关于αRPT分布和定位的信息,这妨碍了治疗监测,使剂量和方案的个体化变得复杂,并阻碍了药物开发。单光子发射计算机断层扫描(SPECT)成像提供了一种量化摄取的方法;然而,αRPT的给药活度显著低于诊断程序所用的活度,这给传统方法的定量带来了挑战。初步研究表明,低计数定量SPECT(LC-QSPECT)成像能够可靠地量化αRPT的区域摄取。本研究的目的是证明LC-QSPECT成像的可行性、耐受性和性能。
【主题与分类】
主题标签:Prostate Cancer、Cancer of the Prostate。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07221825
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/NCT07221825
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:前列腺癌。内放射治疗(即全身给药并定位于病灶部位的放射性标记分子)可向病变细胞提供消融肿瘤的辐射剂量,同时保护邻近正常组织。[223Ra]RaCl2(Xofigo)是首个获FDA批准的α粒子发射放射性药物治疗(αRPT),为伴有骨转移的去势抵抗性前列腺癌男性患者带来生存获益。全身给药的放射治疗药物会分布于患者全身,在病灶部位及放射敏感的重要器官中蓄积至未知水平。这种全身分布意味着患者体内的吸收剂量远远超出预先设定的治疗野范围。目前缺乏关于αRPT分布与定位的信息,这使治疗监测受到干扰,增加了剂量和方案个体化的难度,并阻碍了药物研发。
单光子发射计算机断层扫描(SPECT)成像提供了一种量化摄取的方法;然而,αRPT给药活度显著低于诊断程序中所使用的活度,这为传统方法的定量带来了挑战。初步研究表明,低计数定量SPECT(LC-QSPECT)成像能够可靠地量化αRPT的区域摄取。本研究旨在证明LC-QSPECT成像的可行性、耐受性和性能。
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。




