侵袭性肿瘤患者生物样本库与登记库:转化与分析研究

该数据集来自 clinicaltrials.gov,属于肿瘤与脑肿瘤领域,面向恶性实体瘤、原发性脑肿瘤、黑色素瘤、软组织肉瘤、结直肠癌、肾癌和前列腺癌患者

N.N. Petrov National Medical Research Center of OncologyN.N. Petrov National Medical Research Center of Oncology
clinicaltrials
浏览 6
表格预测Malignant Solid TumorsPrimary Brain TumorMelanomaSoft Tissue SarcomaColorectal CancerKidney CancerProstate Cancer
Biobank and Register of Patients With Agresive Tumors for Translational and Analytical Research

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-11

资源简介

侵袭性肿瘤患者生物样本库与登记库:转化与分析研究

该数据集来自 clinicaltrials.gov,属于肿瘤与脑肿瘤领域,面向恶性实体瘤、原发性脑肿瘤、黑色素瘤、软组织肉瘤、结直肠癌、肾癌和前列腺癌患者。研究采集患者血液与肿瘤组织生物样本,用于血液细胞亚群、免疫抑制因子浓度、HLA 在淋巴细胞与肿瘤组织中的表达、肿瘤细胞癌睾抗原表达等免疫学分析,同时收集患者分期、治疗、疗效反应和人口学临床数据。可用于发现潜在的预后与预测动态生物标志物,支持个体化治疗策略研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:恶性实体瘤、原发性脑肿瘤、黑色素瘤、软组织肉瘤、结直肠癌、肾癌、前列腺癌。研究者将采集患者血液和肿瘤组织的生物样本,用于进一步免疫学分析血液细胞亚群、免疫抑制因子浓度、HLA 在淋巴细胞和肿瘤组织中的表达、肿瘤细胞上的癌睾抗原表达,以及患者分期、治疗、疗效反应和人口学临床数据。可能发现用于个体化治疗策略的潜在预后和预测动态生物标志物。

【主题与分类】

主题标签:Malignant Solid Tumors、Primary Brain Tumor、Melanoma、Soft Tissue Sarcoma、Colorectal Cancer、Kidney Cancer、Prostate Cancer。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05539677

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/NCT05539677

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

疾病类型:恶性实体瘤、原发性脑肿瘤、黑色素瘤、软组织肉瘤、结直肠癌、肾癌、前列腺癌。研究者将采集患者血液和肿瘤组织的生物样本,用于进一步免疫学分析,包括血细胞亚群、免疫抑制因子浓度、淋巴细胞和肿瘤组织上的HLA表达、肿瘤细胞上的癌睾丸抗原表达,以及患者分期、治疗、反应和人口统计学方面的临床数据。将发现可能的预后和预测动态生物标志物,以实现治疗策略的个体化。

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