囊性纤维化患者的高极化氙成像
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化患者的高极化氙(129Xe)磁共振成像研究。高极化气体 MRI(3He 与 129Xe)可实现不依赖电离辐射的活体功能性肺成像,其中 129Xe 凭借其溶解性可沿肺部气体交换路径分布,为区域通气灌注(V/Q)提供直接探测手段

基本信息
资源简介
囊性纤维化患者的高极化氙成像
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化患者的高极化氙(129Xe)磁共振成像研究。高极化气体 MRI(3He 与 129Xe)可实现不依赖电离辐射的活体功能性肺成像,其中 129Xe 凭借其溶解性可沿肺部气体交换路径分布,为区域通气灌注(V/Q)提供直接探测手段。相比核医学肺 V/Q 扫描空间分辨率差且辐射剂量高,该成像方式更适合健康志愿者的基础生理研究及肺病患者的纵向研究。数据可用于呼吸系统疾病的功能性肺成像分析与相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化。高极化气体 MRI(3He 和 129Xe)使不依赖电离辐射的活体功能性肺成像新方法成为可能。高极化 129Xe(HP Xe)MRI 可提供对 3He 和 1H MRI 以及常规肺成像模式的额外补充信息。凭借其溶解性,129Xe 造影剂沿肺部气体交换路径分布,为探索区域通气灌注(V/Q)提供了直接手段。核医学肺 V/Q 扫描这一竞争性模式存在空间分辨率极差且依赖通过放射性核素吸入的高剂量辐射的问题。因此核医学不适合用于健康志愿者的基础生理研究或肺病患者的纵向研究。本研究的目的和目标为:1. 评估肺部的生理差异
【主题与分类】
主题标签:Cystic Fibrosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02912637
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/NCT02912637
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。超极化气体MRI(3He和129Xe)实现了不依赖电离辐射的活体功能性肺成像新方法。超极化129Xe(HP Xe)MRI可提供对3He和1H MRI及传统肺成像模式的补充信息。凭借其溶解性,129Xe对比剂可沿肺内气体交换途径分布,为探索区域性通气-灌注(V/Q)提供了直接手段。与之竞争的核医学肺V/Q扫描模式存在空间分辨率极差以及依赖放射性核素吸入导致高辐射剂量的问题。因此,核医学不适合用于健康志愿者的基础生理学研究或肺部疾病患者的纵向研究。本研究的目的和目标为:1. 评估正常组(志愿者)与囊性纤维化疾病组之间肺通气的生理差异;2. 评估正常组(志愿者)与囊性纤维化疾病组之间Xe跨肺泡膜扩散的差异;3.
了解MRI上异常通气程度(及通气-灌注不匹配)与使用肺功能测试(肺量计检查和气体交换)进行常规肺功能生理评估结果之间的关系 4. 了解通过HP Xe成像测定的气体交换与标准灌注MRI上通气灌注不匹配程度之间的关系 这是一项生理学横断面可行性研究,比较正常志愿者和囊性纤维化患者肺区域通气和跨肺泡膜弥散。将招募15名健康志愿者和15名囊性纤维化患者。所有成像将在Papworth医院进行。第一阶段:志愿者研究(n=15,年龄18-70岁) 将在Papworth医院MRI部门使用Siemens Avanto 1.5 Tesla进行超极化129Xe MRI扫描
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。




