18F-Florbetapir与18F-Flutemetamol超低剂量PET成像
该数据集来自clinicaltrials.gov,聚焦神经系统疾病中的阿尔茨海默病,涵盖阿尔茨海默病、轻度认知障碍、其他形式痴呆及健康志愿者人群

基本信息
资源简介
18F-Florbetapir与18F-Flutemetamol超低剂量PET成像
该数据集来自clinicaltrials.gov,聚焦神经系统疾病中的阿尔茨海默病,涵盖阿尔茨海默病、轻度认知障碍、其他形式痴呆及健康志愿者人群。研究旨在评估一种尚未获FDA批准的超低剂量PET成像技术,用于上述疾病的检测与监测。所用放射性示踪剂18F-Florbetapir与18F-Flutemetamol在标准剂量下已获FDA批准用于检测阿尔茨海默病相关的淀粉样斑块,但本方案研究的剂量远低于标准剂量。数据可用于探索超低剂量PET成像在神经系统疾病识别与分类中的可行性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Alzheimer Disease, Mild Cognitive Impairment, Dementia, Healthy Volunteers. 本研究旨在评估一种用于阿尔茨海默病、轻度认知障碍、其他形式痴呆检测与监测的研究性超低剂量PET成像技术。“研究性”意味着所研究的方法或药物尚未获得美国食品药品监督管理局(FDA)批准用于本研究中测试的特定用途。本研究所用的PET成像技术被视为研究性,因为其正在测试的超低辐射剂量尚未获批用于临床。这些放射性示踪剂已获FDA批准用于在标准剂量下检测阿尔茨海默病中发现的淀粉样斑块,但该剂量远高于本方案所研究的剂量。18F-Florbetapir和18F-Flutemetamol常被发现
【主题与分类】
主题标签:Alzheimer Disease、Mild Cognitive Impairment、Dementia、Healthy Volunteers。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07012993
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/NCT07012993
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:阿尔茨海默病、轻度认知障碍、痴呆、健康志愿者。本研究旨在评估一种研究性超低剂量PET成像技术,用于阿尔茨海默病、轻度认知障碍及其他形式痴呆的检测与监测。“研究性”是指所研究的程序或药物尚未获得美国食品药品监督管理局(FDA)批准用于本研究中所测试的特定用途。本研究中使用的PET成像技术被视为研究性,因为其正在测试的超低辐射剂量尚未获准用于临床。这些放射性示踪剂已获FDA批准,可在标准剂量下检测阿尔茨海默病中发现的淀粉样斑块,但其剂量远高于本方案所研究的剂量。18F-Florbetapir和18F-Flutemetamol在阿尔茨海默病、轻度认知障碍及其他形式痴呆中常被发现摄取水平较高。
在这项研究中,研究人员将使用极少量的这种示踪剂(不到标准剂量的1/20)结合先进的PET成像技术,以探究是否能在使用更少辐射的情况下生成清晰的图像。本研究旨在开发一种更安全的成像技术,有望更频繁地用于阿尔茨海默病、轻度认知障碍及其他形式痴呆症的筛查和监测。研究人员将招募患有和未患有阿尔茨海默病、轻度认知障碍及其他形式痴呆症的个体,以评估超低剂量PET成像如何检测不同类型组织中的放射性示踪剂摄取情况。该研究将在核成像研究所招募约200人。
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。




