摘要
该数据是TCIA研究的预处理子集，名为Soft Tissue Sarcoma。数据已从不同分辨率和数据类型的DICOM文件夹转换为具有各向同性体素大小的3D HDF5阵列。这应该可以让您更容易上手并测试各种方法（NN，RF，CRF等）以改善分段。 可思数据-人工智能资讯平台sykv.com
TCIA摘要
该系列包含51例组织学证实的四肢软组织肉瘤（STS）患者的FDG-PET / CT和解剖MR（T1加权，T2加权和脂肪抑制）成像数据。所有患者在2004年11月至2011年11月期间进行了治疗前FDG-PET / CT和MRI扫描。（注意：TCIA图像中的日期已经因为去识别而改变;所有图像都应用相同的变化，保留串行扫描之间的时间间隔）。在随访期间，19名患者发生肺转移。成像数据和肺转移发展状态用于以下研究： 可思数据-AI,sykv.com智能驾驶,人脸识别,区块链,大数据
Vallières，M。等。（2015年）。来自关节FDG-PET和MRI纹理特征的放射学模型用于预测四肢软组织肉瘤中的肺转移。医学和生物学，60（14），5471-5496。DOI：10.1088 / 0031-9155 / 60 /五千四百七十一分之一十四。
本研究可获得成像数据，肿瘤轮廓（RTstruct DICOM对象），临床数据和源代码。有关更多详细信息和访问整个数据集的链接，请参阅下面的DOI。有关该数据集的任何科学查询，请联系麦吉尔大学医学物理部门的MartinVallières。
致谢
我们要感谢为此系列提供数据的个人和机构：加拿大蒙特利尔麦吉尔大学 - 特别感谢医学物理部门的MartinVallières 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com
引文
数据引用
Vallières，Martin，Freeman，Carolyn R.，Skamene，Sonia R.和El Naqa，Issam。（2015年）。来自关节FDG-PET和MRI纹理特征的放射学模型用于预测四肢软组织肉瘤中的肺转移。癌症影像档案。http://doi.org/10.7937/K9/TCIA.2015.7GO2GSKS
