Celebrex(塞来昔布)治疗喉乳头状瘤数据集
该数据集来自 clinicaltrials.gov,围绕 Celebrex(塞来昔布)联合 585 nm 脉冲染料激光(PDL)治疗复发性呼吸道乳头状瘤病(RRP)的研究

基本信息
资源简介
Celebrex(塞来昔布)治疗喉乳头状瘤数据集
该数据集来自 clinicaltrials.gov,围绕 Celebrex(塞来昔布)联合 585 nm 脉冲染料激光(PDL)治疗复发性呼吸道乳头状瘤病(RRP)的研究。源站描述指出,RRP 及其手术常累及声带或喉部其他区域,导致嗓音不佳;既往研究显示微血管靶向技术(MVT)使用 585 nm PDL 治疗 RRP 有效且安全,但微血管再生长导致术后病灶复发仍是问题。本研究拟开发 PDL 与 Celebrex 联合的新疗法,评估 Celebrex 作为 COX-2 抑制剂能否通过抗血管生成活性及与激光治疗的协同效应产生长期抑制效果。数据可用于了解该联合治疗的研究设计与相关主题(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:喉乳头状瘤。RRP 及其手术通常涉及声带或喉部其他区域,从而导致嗓音不佳。我们先前的研究已显示,使用 585 nm PDL 的微血管靶向技术(MVT)治疗 RRP 的有效性和安全性。该技术提供了一种创伤较小的手术替代方案。然而,由于微血管再生长,术后病灶复发仍是一个问题。本研究是我们为 RRP 开发一种新的、创伤较小的治疗方法所做努力的延续。在本研究中,我们将开发一种 PDL 与 Celebrex 联合的新 RRP 治疗方法。我们将确定 Celebrex——一种新开发的 COX-2 抑制剂——能否通过其抗血管生成活性以及与激光治疗产生的协同效应,对 RRP 提供长期抑制作用。假设是术后给药
【主题与分类】
主题标签:Laryngeal Papilloma。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00592319
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/NCT00592319
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
条件:喉乳头状瘤。复发性呼吸道乳头状瘤病(RRP)及其手术通常涉及声带或喉部其他区域,从而导致嗓音质量不佳。我们先前的研究已表明,使用585 nm脉冲染料激光(PDL)进行微血管靶向技术(MVT)治疗RRP具有疗效和安全性。该技术为手术提供了一种创伤较小的替代方案。然而,由于微血管再生长,术后病变复发仍是一个问题。本研究是我们为开发一种新的、创伤较小的RRP治疗方法所做努力的延续。在本研究中,我们将开发一种新的PDL与Celebrex联合治疗RRP的方法。我们将确定Celebrex——一种新开发的COX-2抑制剂——能否通过其抗血管生成活性以及与激光治疗产生的协同效应,对RRP提供长期抑制作用。假设是:术后给予Celebrex将对微血管再生长和COX-2酶产生长期抑制作用,从而防止PDL治疗后RRP复发。
本研究的具体目标是确定PDL与Celebrex之间的协同效应,以及Celecoxib在预防术后RRP复发方面的长期疗效。我们将在30名成年患者中比较这种新的联合策略与传统治疗方法。这是首次将这种新型激光MVT技术与COX-2抑制剂联合用于RRP的微血管靶向治疗。如果该联合策略在本次拟议研究中取得成功,将为RRP提供一种新的、理想的“保留嗓音”疗法,该疗法将在RRP管理方面提供长期疗效,并且足够安全便捷,可用于门诊治疗。
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。




