使用Exablate聚焦超声联合多柔比星破坏血脑屏障治疗儿童弥漫性内生性脑桥胶质瘤

数据对应一项前瞻性、单臂、非随机可行性研究,评估在儿童弥漫性内生性脑桥胶质瘤(DIPG)患者接受多柔比星化疗时,使用Exablate Type 2系统破坏血脑屏障(BBBD)的安全性、可行性及初步疗效

InSightecInSightec
clinicaltrials
浏览 10
医学影像预测Brain Tumor
Blood Brain Barrier (BBB) Disruption Using Exablate Focused Ultrasound With Doxorubicin for Treatment of Pediatric Diffuse Intrinsic Pontine Gliomas (DIPG)

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-17

资源简介

使用Exablate聚焦超声联合多柔比星破坏血脑屏障治疗儿童弥漫性内生性脑桥胶质瘤

该数据集来自clinicaltrials.gov,属于肿瘤/脑肿瘤领域,主题标签为Brain Tumor。数据对应一项前瞻性、单臂、非随机可行性研究,评估在儿童弥漫性内生性脑桥胶质瘤(DIPG)患者接受多柔比星化疗时,使用Exablate Type 2系统破坏血脑屏障(BBBD)的安全性、可行性及初步疗效。研究拟在美国最多三个中心开展,患者接受约3个治疗周期,每周期间隔约4至6周。该数据可用于了解Exablate BBBD联合多柔比星治疗儿童DIPG的研究设计与结局评估,支持安全性、可行性及初步疗效相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:脑肿瘤。这是一项前瞻性、单臂、非随机可行性研究,旨在评估在患有弥漫性内生性脑桥胶质瘤(DIPG)并接受多柔比星化疗的儿童患者中,使用Exablate Type 2系统破坏血脑屏障(BBBD)的安全性、可行性和初步疗效。该研究将在美国最多三个中心开展。患者将接受3个治疗周期,间隔约4-6周。该研究旨在确立Exablate BBBD联合多柔比星治疗儿童DIPG的可行性和安全性,并评估该患者人群中的初步疗效。

【主题与分类】

主题标签:Brain Tumor。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05630209

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/NCT05630209

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:脑肿瘤。这是一项前瞻性、单臂、非随机可行性研究,旨在评估使用Exablate 2型系统对接受多柔比星化疗的弥漫性内生性脑桥胶质瘤(DIPG)儿科患者进行血脑屏障破坏(BBBD)的安全性、可行性和初步疗效。该研究将在美国最多三个地点进行。患者将接受3个治疗周期,大约相隔4-6周。该研究旨在确立Exablate BBBD联合多柔比星治疗儿科DIPG的可行性和安全性,并评估该患者群体中的初步疗效。

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