Mirdametinib 治疗组织细胞疾病数据集
该数据集来自 clinicaltrials.gov，主题为 Mirdametinib 在组织细胞疾病中的相关研究，覆盖 Langerhans 细胞组织细胞增生症（LCH）、幼年黄色肉芽肿（JXG）、Rosai-Dorfman 病（RDD）及其他组织细胞疾病
基本信息
资源简介
Mirdametinib 治疗组织细胞疾病数据集
该数据集来自 clinicaltrials.gov，主题为 Mirdametinib 在组织细胞疾病中的相关研究，覆盖 Langerhans 细胞组织细胞增生症（LCH）、幼年黄色肉芽肿（JXG）、Rosai-Dorfman 病（RDD）及其他组织细胞疾病。源站描述指出 LCH 是一种罕见血液病，儿童更常见，1 岁以下婴儿发病率更高，多数患儿出现骨病变和皮疹，部分患者累及肝、脾、骨髓和中枢神经系统，属风险器官阳性（RO+）LCH，面临严重疾病和死亡风险；当前治疗以化疗联合其他药物为主，但许多患者尤其是 RO+ 患者无应答，应答者中也有不少出现疾病进展。该数据可用于了解上述疾病特征与治疗应答情况（来源 clinicaltrials.g。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Langerhans 细胞组织细胞增生症（LCH）、幼年黄色肉芽肿（JXG）、Rosai-Dorfman 病（RDD）、组织细胞疾病。Langerhans 细胞组织细胞增生症（LCH）是一种罕见的血液病。虽然影响所有年龄段，但 LCH 更常发生于儿童，1 岁以下婴儿发病率更高。该病表现多样，大多数患儿出现骨病变和皮疹。部分患者 LCH 累及肝、脾、骨髓和中枢神经系统等关键器官。该组患者面临严重疾病和死亡的显著风险，因此被称为风险器官阳性（RO+）LCH。目前 LCH 的治疗包括化疗联合其他药物。然而，许多患者，尤其是 RO+ 疾病患者，对治疗无应答。在确实应答的患者中，许多出现疾病进展。
【主题与分类】
主题标签：Langerhans Cell Histiocytosis (LCH)、Juvenile Xanthogranuloma (JXG)、Rosai-Dorfman Disease (RDD)、Histiocytic Disorders。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06153173
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/NCT06153173
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：朗格汉斯细胞组织细胞增生症（LCH）、幼年性黄色肉芽肿（JXG）、罗萨伊-多尔夫曼病（RDD）、组织细胞性疾病。朗格汉斯细胞组织细胞增生症（LCH）是一种罕见的血液疾病。尽管可影响所有年龄段，但LCH更常见于儿童，且1岁以下儿童发病率更高。该病表现多样，多数患儿出现骨骼病变和皮疹。部分患者的LCH可累及肝脏、脾脏、骨髓和中枢神经系统等重要器官。这类患者面临严重疾病和死亡的显著风险，因此被称为风险器官阳性（RO+）LCH。目前LCH的治疗包括化疗联合其他药物。然而，许多患者，尤其是RO+疾病患者，对治疗无应答。在确有应答的患者中，许多人在初始应答后出现疾病进展，或在完成治疗后出现疾病复发。本研究旨在探讨米达美替尼治疗LCH或其他组织细胞性疾病患者是否优于当前治疗且副作用更少。
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。
