Atengenal与Astugenal治疗弥漫性内生性脑桥胶质瘤研究
该数据集来自clinicaltrials.gov,聚焦弥漫性内生性脑桥胶质瘤(DIPG)对Antineoplaston疗法的反应研究

基本信息
资源简介
Atengenal与Astugenal治疗弥漫性内生性脑桥胶质瘤研究
该数据集来自clinicaltrials.gov,聚焦弥漫性内生性脑桥胶质瘤(DIPG)对Antineoplaston疗法的反应研究。研究将患者按年龄和既往治疗分为5个队列,主要终点为客观缓解(OR),但DIPG的OR判定存在困难,涉及Macdonald、RANO和RECIST标准及T2/FLAIR加权MRI影像。该单臂II期研究可用于分析DIPG治疗反应评估方法及疗效预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:弥漫性内生性脑桥胶质瘤。本研究旨在分析弥漫性内生性脑干胶质瘤(DIPG)对Antineoplaston疗法的反应,研究分为5个独立的患者队列,按年龄和既往治疗定义。主要终点是客观缓解(OR),但DIPG中OR的判定存在问题。使用Macdonald、RANO和RECIST标准判定OR依赖于增强病变的钆增强T1加权MRI图像。然而,DIPG表现出可变强化,并且在T2/FLAIR加权MRI图像上可见非强化成分。近期综述提出使用改良RANO标准评估弥漫性低级别胶质瘤的OR,以及使用RECIST + F(T2/FLAIR加权图像)评估复发性胶质母细胞瘤。这两种方法均未经验证。这项Antineoplaston疗法在DIP中疗效的单臂II期研究
【主题与分类】
主题标签:Diffuse, Intrinsic Pontine Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02742883
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/NCT02742883
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:弥漫性内生性脑桥胶质瘤。本研究旨在分析弥漫性内生性脑干胶质瘤(DIPG)对Antineoplaston治疗的反应,研究分为5个独立的患者队列,根据年龄和既往治疗进行定义。主要终点是客观缓解(OR),但在DIPG中确定OR存在问题。使用Macdonald、RANO和RECIST标准确定OR依赖于钆增强后T1加权MRI图像上强化病灶的显示。然而,DIPG表现出不同程度的强化,并且在T2/FLAIR加权MRI图像上可见非强化成分。近期综述提出使用改良RANO标准评估弥漫性低级别胶质瘤的OR,以及使用RECIST + F(T2/FLAIR加权图像)评估复发性胶质母细胞瘤的OR。这两种方法均尚未得到验证。这项评估Antineoplaston治疗DIPG疗效的单臂2期研究将同时采用对强化性DIPG的二维评估(RANO),作为经过验证的主要终点,以及对强化+非强化性DIPG的一维评估(RECIST + F),作为探索性终点。
本2期方案采用一种策略,通过提前评估缓解率,并依据无效性终止入组的程序。采用极小极大两阶段设计。每个队列第1阶段将入组10例强化病灶患者。若某一特定队列的10例患者中无一例根据双维测量达到OR,则该特定队列将不再入组更多强化病灶患者。然而,若某一特定队列的10例强化病灶患者中有1例达到OR,则该队列将在极小极大设计的第2阶段额外入组10例强化病灶患者,使该队列强化病灶患者最多达20例。作为探索性终点,将分析完全缓解(CR)、部分缓解(PR)和疾病进展(PD)率,以及6、12和24个月总生存期(OS)。患者 wit
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




