难治性化脓性汗腺炎放射治疗研究

该数据集来自clinicaltrials.gov,为一项前瞻性、非随机、分体干预研究,纳入中重度化脓性汗腺炎且双侧腋窝病变严重程度相当的成人患者

Thomas Jefferson UniversityThomas Jefferson University
clinicaltrials
浏览 2
医学影像预测Hidradenitis Suppurativa (HS)
Radiotherapy for Refractory Hidradenitis Suppurativa

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-24

资源简介

难治性化脓性汗腺炎放射治疗研究

该数据集来自clinicaltrials.gov,为一项前瞻性、非随机、分体干预研究,纳入中重度化脓性汗腺炎且双侧腋窝病变严重程度相当的成人患者。每名受试者一侧腋窝接受放射治疗,对侧作为未治疗对照,总剂量45 Gy分15次、每周3次、约5周完成。研究期间收集皮肤科评估、病灶计数、医生整体评估及患者报告结局,并在放疗完成后4周和12周随访,长期安全性与疾病结局通过病历回顾评估。数据可用于分析放疗对HS的疗效与安全性(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:化脓性汗腺炎(HS)。这是一项前瞻性、非随机、分体干预研究,纳入患有中重度化脓性汗腺炎且双侧腋窝病变严重程度相当的成人。每名参与者将接受一侧腋窝的放射治疗,而对侧腋窝将作为未治疗的受试者内对照。放射治疗的总剂量为45 Gy,分15次(每次3 Gy),每周给药三次,持续约五周。患者在研究期间继续稳定的背景HS治疗。将在基线、治疗期间以及放射治疗完成后4周和12周收集皮肤科评估、病灶计数、医生整体评估评分和患者报告结局。长期安全性和疾病结局将通过病历回顾进行评估。

【主题与分类】

主题标签:Hidradenitis Suppurativa (HS)。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07414550

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07414550

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:化脓性汗腺炎(HS)。这是一项前瞻性、非随机、分体干预研究,纳入患有中重度化脓性汗腺炎、双侧腋窝病变且严重程度相当的成人患者。每位参与者将接受一侧腋窝的放射治疗,而对侧腋窝作为未治疗的受试者内对照。放射治疗总剂量为45 Gy,分15次照射(每次3 Gy),每周三次,持续约五周。研究期间,患者将继续维持稳定的背景HS治疗。将在基线、治疗期间以及放疗完成后4周和12周收集皮肤科评估、病灶计数、医生整体评估评分和患者报告结局。治疗后通过病历审查评估长期安全性和疾病结局,最长随访两年。一项可选的钻孔活检子研究将评估与治疗反应相关的组织学变化。

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。

获取专属数据定制方案