Antineoplaston 疗法治疗脑肿瘤患者

该数据集来自 clinicaltrials.gov,聚焦于难治性脑肿瘤患者接受 Antineoplaston 疗法的临床研究

Burzynski Research InstituteBurzynski Research Institute
clinicaltrials
浏览 6
医学影像预测Refractory Brain Tumors
Antineoplaston Therapy in Treating Patients With Brain Tumors

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-10

资源简介

Antineoplaston 疗法治疗脑肿瘤患者

该数据集来自 clinicaltrials.gov,聚焦于难治性脑肿瘤患者接受 Antineoplaston 疗法的临床研究。研究为单臂、开放标签设计,成人患者接受静脉注射 Atengenal 与 Astugenal 的剂量递增治疗,直至达到最大耐受剂量。治疗持续至少 12 个月,除非出现疾病进展或不可接受的毒性。主要目标包括评估客观缓解率(完全缓解、部分缓解或疾病稳定)以及安全性与耐受性。数据可用于分析该疗法在难治性脑肿瘤中的疗效与安全性预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:难治性脑肿瘤。目标: 通过客观缓解(完全缓解、部分缓解或疾病稳定)确定 Antineoplaston 疗法在患有持续性或复发性脑肿瘤的成人中的疗效。 确定 Antineoplaston 疗法在患有持续性或复发性脑肿瘤的成人中的安全性和耐受性。概述:这是一项单臂、开放标签研究,患有持续性或复发性脑肿瘤的成人接受逐渐递增剂量的静脉注射 Antineoplaston 疗法(Atengenal + Astugenal),直至达到最大耐受剂量。在无疾病进展或不可接受的毒性的情况下,治疗持续至少 12 个月。12 个月后,完全缓解或部分缓解或疾病稳定的患者可继续治疗。为确定客观缓解,测量肿瘤大小

【主题与分类】

主题标签:Refractory Brain Tumors。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00003457

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/NCT00003457

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:难治性脑肿瘤。目的:* 确定抗肿瘤素治疗对持续或复发性脑肿瘤成年患者的疗效,通过治疗的客观反应(完全反应、部分反应或疾病稳定)来衡量。* 确定抗肿瘤素治疗对持续或复发性脑肿瘤成年患者的安全性和耐受性。概述:这是一项单臂、开放标签研究,持续或复发性脑肿瘤成年患者接受逐渐递增剂量的静脉抗肿瘤素治疗(Atengenal + Astugenal),直至达到最大耐受剂量。在无疾病进展或不可接受的毒性情况下,治疗持续至少12个月。12个月后,完全或部分反应或疾病稳定的患者可继续治疗。为了确定客观反应,通过MRI扫描测量肿瘤大小,前两年每8周进行一次,第三和第四年每3个月进行一次,第五和第六年每6个月进行一次,此后每年进行一次。预计入组人数:本研究预计入组20-40名患者。

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