辐射相关神经肿瘤中NF2突变分析
该数据集源自clinicaltrials.gov,聚焦于儿童期因扁桃体或腺样体肥大等良性疾病接受X线治疗的成人,其神经系统肿瘤风险升高,其中神经鞘瘤风险最高(RR 33.1),脑膜瘤次之(RR 9.5),胶质瘤最低(RR 2.6)

基本信息
资源简介
辐射相关神经肿瘤中NF2突变分析
该数据集源自clinicaltrials.gov,聚焦于儿童期因扁桃体或腺样体肥大等良性疾病接受X线治疗的成人,其神经系统肿瘤风险升高,其中神经鞘瘤风险最高(RR 33.1),脑膜瘤次之(RR 9.5),胶质瘤最低(RR 2.6)。研究旨在探究这些辐射相关神经肿瘤中是否存在NF2基因突变,并与散发性肿瘤及神经纤维瘤病2型进行比较。数据可用于分析辐射暴露与NF2突变的关系,支持神经肿瘤病因学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:神经肿瘤。儿童期因扁桃体及腺样体肥大等良性疾病接受X线治疗的成人,发生神经系统肿瘤的风险增加。风险最高的是神经鞘瘤(RR为33.1,95% CI为9.4-116.5),中等的是脑膜瘤(RR为9.5,95% CI为3.5-25.7),最低的是胶质瘤(RR为2.6,95% CI为0.8-8.6)。对这些类型散发性肿瘤的研究已证明存在NF2基因的体细胞突变。由于这些突变通常不见于其他类型的肿瘤,它们被认为是导致散发性神经肿瘤发生的原因。同一基因的种系突变是常染色体显性遗传病神经纤维瘤病2型(NF2)的病因,该病以发生类似类型的神经肿瘤为特征。拟议研究的目的是确定神经肿瘤是否
【主题与分类】
主题标签:Neural Tumors。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00340496
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/NCT00340496
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:神经肿瘤。儿童期因扁桃体和腺样体肥大等良性疾病接受X射线治疗的成年人,发生神经系统肿瘤的风险增加。风险最高的是神经鞘瘤(RR为33.1,95%CI为9.4-116.5),中等的是脑膜瘤(RR为9.5,95%CI为3.5-25.7),最低的是胶质瘤(RR为2.6,95%CI为0.8-8.6)。对这些类型散发性肿瘤的研究已证实存在NF2基因的体细胞突变。由于这些突变通常不见于其他类型的肿瘤,因此被认为正是导致散发性神经肿瘤发生的原因。同一基因的种系突变可导致一种称为神经纤维瘤病2型(NF2)的常染色体显性遗传病,其特征是发生类似类型的神经肿瘤。拟开展本研究的目的是确定在儿童期接受X射线治疗者中所发生的神经肿瘤是否也具有体细胞NF2突变。为此,将使用约112名因头颈部良性疾病在儿童期接受X射线治疗者中所发生的、经石蜡包埋的神经肿瘤的DNA进行检测。
这些人来自一个由芝加哥Michael Reese医院自1974年以来随访的4000多名受照射者组成的队列。如果我们在与辐射相关的肿瘤中发现NF2突变,我们将通过检测所研究肿瘤患者颊细胞DNA中的NF2突变,来确定这些突变是体细胞突变还是生殖系突变。我们预计大多数患者仅在肿瘤DNA中具有NF2突变。然而,存在一种极小的可能性,即一名或多名患者可能具有生殖系NF2突变,从而即使在未接受X射线治疗的情况下也有发生神经肿瘤的风险增加。然后,我们将把体细胞NF2突变的类型和频率与散发性神经肿瘤中发现的突变进行比较。如果我们在与辐射相关的肿瘤中未发现体细胞NF2突变,我们将得出结论,即X射线通过以下方式导致神经肿瘤发生:
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




