BRAINFUL脑肿瘤聚焦超声液体活检试验
BRAINFUL试验是一项单中心、前瞻性、单盲、单臂、对照临床研究,聚焦脑肿瘤与液体活检。其目标是通过磁共振引导聚焦超声(MRgFUS)提高血浆ctDNA水平,从而改善基于ctDNA的基因组与表观基因组生物标志物识别,增强肿瘤DNA向血液循环和脑脊液的释放

基本信息
资源简介
BRAINFUL脑肿瘤聚焦超声液体活检试验
BRAINFUL试验是一项单中心、前瞻性、单盲、单臂、对照临床研究,聚焦脑肿瘤与液体活检。其目标是通过磁共振引导聚焦超声(MRgFUS)提高血浆ctDNA水平,从而改善基于ctDNA的基因组与表观基因组生物标志物识别,增强肿瘤DNA向血液循环和脑脊液的释放。该数据可用于评估MRgFUS提升脑肿瘤ctDNA丰度的效用,并支持无创脑肿瘤诊断与治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脑肿瘤、液体活检。目的:为提高血浆ctDNA水平并由此改善基于ctDNA的基因组与表观基因组生物标志物的识别,将在脑肿瘤患者中使用磁共振引导聚焦超声(MRgFUS),以增强肿瘤DNA向血液循环和脑脊液的释放。研究类型:单中心、前瞻性、单盲、单臂、对照临床试验。实验方法:目标1:评估MRgFUS在提高脑肿瘤ctDNA丰度方面的效用。无创脑肿瘤诊断和治疗有可能改变患者护理,但需要比当前方法更高的表观基因组和基因组生物标志物检测灵敏度。已有研究表明,MRgFUS可在动物模型中增强循环生物标志物的存在,并可安全地用于颅内。
【主题与分类】
主题标签:Brain Neoplasms、Liquid Biopsy。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04940507
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/NCT04940507
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
条件:脑肿瘤、液体活检。目的:为提高血浆ctDNA水平,从而改善基于ctDNA的基因组和表观基因组生物标志物的识别,将在脑肿瘤患者中使用磁共振引导聚焦超声(MRgFUS),以促进肿瘤DNA释放进入血液循环和脑脊液。研究类型:单中心、前瞻性、单盲、单臂、对照临床试验。实验方法:目标1:评估MRgFUS在提高脑肿瘤ctDNA丰度方面的效用。无创性脑肿瘤诊断和治疗具有改变患者护理的潜力,但需要比当前方法更高的表观基因组和基因组生物标志物检测灵敏度。已有研究表明,MRgFUS可在动物模型中增强循环生物标志物的存在,并可安全地用于人类颅内。因此,本目标在现有文献基础上进一步拓展,利用MRgFUS提高脑肿瘤患者循环肿瘤DNA的丰度,作为向无创诊断和监测转变的第一步。
该目标的结果将为确定MRgFUS后血浆采样的最佳时间点提供依据,以获得最高数量的ctDNA用于分子分析。目标2:评估MRgFUS在增强脑肿瘤甲基化特征无创检测方面的效用。我们实验室已发表的研究表明,通过灵敏检测血浆甲基化改变,可准确地将胶质瘤与其他脑肿瘤区分开来(平均AUC 0.99)。遗憾的是,胶质瘤亚型的鉴定较为有限,用于区分胶质母细胞瘤的模型平均AUC为0.71(仅针对IDH)。鉴于胶质母细胞瘤具有独特的生物学特性,且通常较低级别胶质瘤的治疗方式不同,无创确定胶质瘤亚型的能力在临床上非常重要。利用MRgFUS提高无创血浆甲基化检测的灵敏度
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。




