FAPI PET用于肺纤维化
该数据集来自clinicaltrials.gov,聚焦于间质性肺病及肺纤维化相关疾病,涵盖特发性间质性肺炎、药物性肺炎、过敏性肺炎、放射性肺炎、尘肺和肺纤维化等病种

基本信息
资源简介
FAPI PET用于肺纤维化
该数据集来自clinicaltrials.gov,聚焦于间质性肺病及肺纤维化相关疾病,涵盖特发性间质性肺炎、药物性肺炎、过敏性肺炎、放射性肺炎、尘肺和肺纤维化等病种。数据涉及FAPI PET分子成像在成纤维细胞活化检测和组织重塑活跃部位识别中的应用,旨在探索更准确的纤维化性ILD病程预测与风险分层方法,以改善预后判断和患者生存。可用于呼吸系统疾病中肺纤维化进展预测及分子影像相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:间质性肺病、特发性间质性肺炎、药物性肺炎、过敏性肺炎、放射性肺炎、尘肺、肺纤维化。ILD是一组影响肺间质的呼吸系统疾病。纤维化性ILD的一个主要问题是病程高度可变:部分患者未经治疗保持稳定,另一些患者尽管接受药物治疗仍快速进展。用于风险分层的新诊断方法,若能更准确地预测纤维化性ILD的病程,可能改善预后判断,并最终提高这些患者的生存率。肌成纤维细胞的持续活化和局部积聚是纤维化疾病的共同特征。FAP是成纤维细胞活化的分子成像及活性组织重塑部位检测的一个有前景的靶点。小分子抑制
【主题与分类】
主题标签:Interstitial Lung Disease、Idiopathic Interstitial Pneumonias、Drug-Induced Pneumonitis、Hypersensitivity Pneumonitis、Radiation Pneumonitis、Pneumoconiosis、Pulmonary Fibrosis。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05365802
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/NCT05365802
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:间质性肺病、特发性间质性肺炎、药物性肺炎、过敏性肺炎、放射性肺炎、尘肺、肺纤维化。间质性肺病是一组影响肺间质的呼吸系统疾病。纤维化性间质性肺病的主要问题在于其病程高度可变:部分患者未经治疗病情稳定,而另一些患者尽管接受药物治疗仍迅速进展。用于风险分层并能更准确预测纤维化性间质性肺病病程的新型诊断方法,有望改善预后判断,并最终提高这些患者的生存率。肌成纤维细胞的持续激活和局部积聚是纤维化疾病的共同特征。FAP是成纤维细胞活化分子成像及检测活跃组织重塑部位的一个有前景的靶点。FAP小分子抑制剂已用正电子发射同位素标记,用于PET成像。68Ga-FAPi-46可作为间质性肺病的诊断生物标志物。
在本研究中,研究者将评估68Ga-FAPi-46在ILD患者体内的生物分布,并观察FAP表达与FAPi放射性药物摄取的相关性。本研究的主要目的是评估新型FAP靶向PET示踪剂68Ga-FAPi-46在ILD患者体内的生物分布。研究概要:1. 患有间质性肺病的参与者将被要求接受一次68Ga-FAPi-46 PET/CT和一次肺部高分辨率CT检查。2. 患者将被随访直至在临床诊疗过程中获得病理结果。(如果接受手术或活检)3. 将通过比较病理发现与PET/CT结果来评估生物分布结果。
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。




