SRN-101用于复发高级别胶质瘤手术切除前给药的研究

该数据集来自clinicaltrials.gov,收录一项关于SRN-101在复发高级别胶质瘤成人患者手术切除前给药的临床研究

Nicholas ButowskiNicholas Butowski
clinicaltrials
浏览 22
医学影像预测Recurrent High-Grade GliomasBrain NeoplasmGlioma
A Study of SRN-101 Administered Prior to Surgical Resection in Adults With Recurrent High-Grade Glioma.

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-07

资源简介

SRN-101用于复发高级别胶质瘤手术切除前给药的研究

该数据集来自clinicaltrials.gov,收录一项关于SRN-101在复发高级别胶质瘤成人患者手术切除前给药的临床研究。研究主要评估SRN-101瘤内给药的安全性和耐受性及生物学活性,探索性目标包括评估免疫反应和识别潜在药效学生物标志物。受试者在实时MRI引导的对流增强递送下接受单次SRN-101给药,7至21天后进行非研究性手术切除,术后随访长达5年。数据可用于胶质瘤治疗安全性、免疫应答及生物标志物相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:复发高级别胶质瘤、脑肿瘤、胶质瘤。主要目标:I. 评估在复发高级别胶质瘤(rHGG)接受切除的受试者中瘤内给予SRN-101的安全性和耐受性。II. 评估SRN-101的生物学活性。探索性目标:I. 评估对SRN-101的免疫反应。II. 识别SRN-101活性的潜在药效学生物标志物。概述:受试者将在实时磁共振成像(MRI)引导的对流增强递送(CED)期间接受单次SRN-101给药,随后在SRN-101给药后7至21天进行非研究性手术切除。受试者将在手术切除后接受长达5年的随访。

【主题与分类】

主题标签:Recurrent High-Grade Gliomas、Brain Neoplasm、Glioma。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07826949

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/NCT07826949

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

疾病:复发性高级别胶质瘤、脑肿瘤、胶质瘤。主要目的:I. 评估在复发高级别胶质瘤(rHGG)受试者接受切除术时,瘤内给予SRN-101的安全性和耐受性。II. 评估SRN-101的生物学活性。探索性目的:I. 评估对SRN-101的免疫反应。II. 确定SRN-101活性的潜在药效学生物标志物。方案概要:受试者将在实时磁共振成像(MRI)引导的对流增强递送(CED)过程中接受单次SRN-101给药,随后在SRN-101给药后7至21天接受非研究性手术切除。受试者将在手术切除后接受长达5年的随访。

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。

获取专属数据定制方案