氙-129与惰性氟化气体肺MRI:健康志愿者及肺部疾病参与者研究
该数据集来自clinicaltrials.gov,聚焦超极化惰性气体磁共振肺成像这一较新的成像方法,可同时呈现肺功能与形态

基本信息
资源简介
氙-129与惰性氟化气体肺MRI:健康志愿者及肺部疾病参与者研究
该数据集来自clinicaltrials.gov,聚焦超极化惰性气体磁共振肺成像这一较新的成像方法,可同时呈现肺功能与形态。超极化气体作为新型MR对比剂,吸入后能提供高时间与空间分辨率的肺泡腔MR图像,且不涉及电离辐射,尤其适合儿童肺部疾病评估。气体原子核自旋经光学泵浦在扫描仪外对齐,获得高极化度,从而在肺内气体物理密度较低的情况下仍可成像。可超极化的稳定惰性气体同位素包括氦-3和氙-129。数据覆盖囊性纤维化与哮喘等呼吸系统疾病,可用于肺部疾病影像评估相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:囊性纤维化、哮喘。超极化惰性气体磁共振(MR)肺成像是相对较新的成像方法,可同时显示肺功能和形态。超极化气体是一类新型MR对比剂,吸入后可提供肺气腔的高时间与空间分辨率MR图像。由于不涉及电离辐射,超极化气体MR成像非常适合评估肺部疾病,尤其是儿童。使用超极化气体时,气体原子的核自旋通过称为光学泵浦的过程在MR扫描仪外对齐;这产生高极化度,并允许通过MR成像显示肺气腔(尽管肺内气体的物理密度较低)。氦-3和氙-129这两种惰性气体的非放射性(即稳定)同位素可以被超极化。
【主题与分类】
主题标签:Cystic Fibrosis、Asthma。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02740868
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/NCT02740868
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:囊性纤维化、哮喘。超极化惰性气体磁共振(MR)肺成像是一种相对较新的成像方法,能够同时显示肺功能和形态。超极化气体是一类新型MR对比剂,吸入后可提供肺气腔的高时间与空间分辨率MR图像。由于不涉及电离辐射,超极化气体MR成像非常适合评估肺部疾病,尤其是儿童患者。使用超极化气体时,气体原子的核自旋通过称为光泵浦的过程在MR扫描仪外被对齐;这会产生高极化度,并使得尽管肺内气体物理密度较低,仍可通过MR成像显示肺气腔。氦-3和氙-129这两种非放射性(即稳定)惰性气体同位素可被超极化。直到最近,氦-3比氙-129能够实现更高的极化度,因此在人体中,氦-3更常用于肺部的超极化气体MR成像。近来,已开发出能够提供大量高极化度氙-129的技术。
氦-3气体也极其昂贵,而且由于该气体储量有限,难以获取用于研究。与氦-3不同,由于氙-129天然存在于大气中,因此成本较低,也更容易获取用于成像。氙-129磁共振成像的若干应用正在开发中,包括扩散加权成像和弛豫加权成像。这些技术利用了这样一个事实:氙-129极化损失速率显著受到局部血流和分子氧浓度的影响,同时也受到小气道空间尺寸对氙-129扩散限制的影响。这些数据可用于生成反映区域通气/灌注和微气道尺寸的肺部图谱。氙-129磁共振成像还可获得的其他数据包括通气容积
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。




