11C-FMZ与18F-FDG在PET中的性能比较
基于Meta分析比较11C-FMZ-PET与18F-FDG-PET在癫痫致痫区定位中的诊断性能，包含计数和ROC数据。
基本信息
资源简介
11C-FMZ与18F-FDG在PET中的性能比较
【一句话概览】
本数据集是 Mendeley Data 公开的影像数据集，收录 11 个文件、合计 4.53 MB，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
本数据集源站标题为《Performance of 11C-FMZ versus 18F-FDG in PET》。源站首次发布：2019-10-11。
【数据内容】
源站原始描述：File name: 18F-database Description: 18F-FDG-PET outcomes in the articles included in this meta-analysis: absolute numbers of true positive, false positive, true negative and false negative. File name: 11C-database Description: 11C-FMZ-PET outcomes in the articles included in this meta-analysis: absolute numbers of true positive, false positive, true negative and false negative. File name: roc Description: Outcomes of 18F-FDG-PET, 11C-FMZ-PET and gold standard in localization of epileptogenic ar…
中文译文（机器翻译，仅供快速理解，请以原文为准）：文件名：18F-database 描述：本meta分析纳入文献中18F-FDG-PET的结果：真阳性、假阳性、真阴性和假阴性的绝对数量。 文件名：11C-database 描述：本meta分析纳入文献中11C-FMZ-PET的结果：真阳性、假阳性、真阴性和假阴性的绝对数量。 文件名：roc 描述：18F-FDG-PET、11C-FMZ-PET和金标准在致痫区定位中的结果，“1”表示阳性，“0”表示阴性。
【数据结构与技术规格】
文件数 11 个，合计 4.53 MB。数据集 DOI：10.17632/28jgtynrb4.2。
【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://data.mendeley.com/datasets/28jgtynrb4
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://data.mendeley.com/datasets/28jgtynrb4
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。
