RYZ101治疗进展性或复发性颅内脑膜瘤数据集
主要目标是评估6个月无进展生存期以估计疗效,次要目标包括6个月脑MRI与1年68Ga-DOTATATE PET的客观缓解率、总生存期、无进展生存期及毒性率

基本信息
资源简介
RYZ101治疗进展性或复发性颅内脑膜瘤数据集
该数据集来自clinicaltrials.gov,聚焦RYZ101(225Ac-DOTATATE)治疗进展性或复发性1-3级颅内脑膜瘤的临床试验。主要目标是评估6个月无进展生存期以估计疗效,次要目标包括6个月脑MRI与1年68Ga-DOTATATE PET的客观缓解率、总生存期、无进展生存期及毒性率。数据可用于分析该疗法的疗效与安全性,支持预后预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发性脑膜瘤。主要目标:I. 通过6个月时的无进展生存期来评估225Ac-DOTATATE(RYZ101)治疗进展性或复发性1-3级颅内脑膜瘤患者的疗效。次要目标:I. 通过6个月时的标准护理脑磁共振成像(MRI)和1年时的镓Ga 68-DOTATATE(68Ga-DOTATATE)正电子发射断层扫描(PET)成像来评估客观缓解率(ORR)。II. 确定进展性/复发性脑膜瘤患者在接受RYZ101治疗期间或之后的总生存期(按级别队列)。III. 确定进展性/复发性脑膜瘤患者在接受RYZ101治疗期间或之后的无进展生存期(按级别队列)。IV. 确定进展性/复发性脑膜瘤患者的毒性率(在……期间
【主题与分类】
主题标签:Recurrent Meningioma。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07150806
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/NCT07150806
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:复发性脑膜瘤。主要目的:I. 评估225Ac-DOTATATE(RYZ101)治疗进展性或复发性1-3级颅内脑膜瘤患者的疗效,以6个月无进展生存期衡量。次要目的:I. 通过6个月时的标准治疗脑磁共振成像(MRI)和1年时的镓Ga 68-DOTATATE(68Ga-DOTATATE)正电子发射断层扫描(PET)成像评估客观缓解率(ORR)。II. 确定在接受RYZ101治疗期间或之后,进展性/复发性脑膜瘤患者的总生存期(按级别队列)。III. 确定在接受RYZ101治疗期间或之后,进展性/复发性脑膜瘤患者的无进展生存期(按级别队列)。IV. 确定在接受RYZ101治疗期间或之后,进展性/复发性脑膜瘤患者的毒性率。V. 对PET标准化摄取值(SUV)摄取进行半定量分析,并与背景进行比较,用于治疗反应评估,并作为反应和预后的潜在生物标志物。
大纲:患者在每个周期的第1天接受RYZ101静脉注射(IV)和氨基酸(含L-精氨酸和L-赖氨酸)静脉注射。在无疾病进展或不可接受的毒性情况下,每8周重复一个周期,共4个周期。患者在研究期间接受Ga 68-DOTATATE静脉注射,并进行PET扫描或生长抑素受体(SSTR)PET扫描、计算机断层扫描(CT)、MRI,并采集血液和尿液样本,可能还会进行超声心动图或多门控采集(MUGA)扫描。研究治疗完成后,对患者进行为期1年的每3个月随访。
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。




