RAD101 在疑似复发性脑转移参与者中的 2b 期成像研究
该数据集来自 clinicaltrials.gov,为一项开放标签、单剂量、单臂、多中心的 2b 期研究,旨在评估 RAD101 PET 在疑似复发性脑转移的实体瘤患者中的成像性能

基本信息
资源简介
RAD101 在疑似复发性脑转移参与者中的 2b 期成像研究
该数据集来自 clinicaltrials.gov,为一项开放标签、单剂量、单臂、多中心的 2b 期研究,旨在评估 RAD101 PET 在疑似复发性脑转移的实体瘤患者中的成像性能。研究计划入组约 30 名 18 岁及以上参与者,每种肿瘤类型(肺癌、乳腺癌、结肠癌、肾癌或黑色素瘤)最多 15 人。研究包含 4 周筛选期、3 天成像与安全性随访期以及最长 6 个月的数据收集期。所有参与者将接受立体定向放疗后的 MRI 或 CT 检查。该数据可用于脑转移瘤的影像学评估与检测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:实体瘤脑转移。这是一项开放标签、单剂量、单臂、多中心的 2b 期研究,旨在确定 RAD101 PET 在年龄 ≥ 18 岁且疑似实体瘤复发性脑转移的参与者中的成像性能。研究将入组约 30 名参与者。为避免特定肿瘤类型的过度代表,每种肿瘤类型最多入组 15 名参与者:肺癌、乳腺癌、结肠癌、肾癌或黑色素瘤。研究包括 4 周筛选期、3 天成像与安全性随访期,以及最长 6 个月的数据收集期。参与者资格将在筛选期确定,符合条件的参与者将被纳入研究。所有参与者将进行立体定向放射外科/立体定向放疗后的 MRI(否则为 CT)检查,作为
【主题与分类】
主题标签:Brain Metastases From Solid Tumors。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06777433
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/NCT06777433
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:实体瘤脑转移。这是一项开放标签、单剂量、单臂、多中心2b期研究,旨在确立RAD101 PET在年龄≥18岁、疑似实体瘤复发性脑转移参与者中的成像性能。研究计划入组约30名参与者。为避免特定肿瘤类型的过度代表,每种肿瘤类型最多入组15名参与者:肺癌、乳腺癌、结肠癌、肾癌或黑色素瘤。研究包括为期4周的筛选期、为期3天的成像与安全性随访期,以及长达6个月的数据收集期。参与者资格将在筛选期内确定,符合条件的参与者将被纳入研究。所有参与者将在第1天前8周内作为其标准治疗进行SRS(立体定向放射外科)/SRT(立体定向放射治疗)后的MRI(否则为CT)检查。对于入组参与者,筛选时的MRI(否则为CT)图像将被收集并提交进行中心成像审查。
第1天,入组受试者将接受单剂研究性药物(IMP)RAD101,目标剂量为370兆贝可勒尔(MBq)(10毫居里(mCi))±10%,通过缓慢静脉(IV)推注给药,推注时间最长30秒,随后以生理盐水冲管。给药后60±10分钟,受试者将进行全脑PET扫描。高分辨率MRI将与PET联合采集,或在同一天单独进行,或在RAD101给药前一天或后一天进行。在将采集PK样本的适用研究中心,将在整个扫描期间进行全身PET扫描、抽取血样并收集尿液。安全性评估,如体格检查、生命体征、心电图(ECG)和实验室检查,将在第1天RAD101给药前进行。生命体征和ECG将在输注结束时(对于受试者
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。




