联合化疗治疗晚期实体瘤年轻患者
该数据集来自 clinicaltrials.gov,聚焦儿童复发或难治性实体瘤(含中枢神经系统肿瘤)的联合化疗研究。覆盖病种包括儿童中枢神经系统绒毛膜癌、胚胎性肿瘤、生殖细胞肿瘤、生殖细胞瘤、混合生殖细胞瘤、畸胎瘤、卵黄囊瘤及复发性儿童脑干胶质瘤

基本信息
资源简介
联合化疗治疗晚期实体瘤年轻患者
该数据集来自 clinicaltrials.gov,聚焦儿童复发或难治性实体瘤(含中枢神经系统肿瘤)的联合化疗研究。覆盖病种包括儿童中枢神经系统绒毛膜癌、胚胎性肿瘤、生殖细胞肿瘤、生殖细胞瘤、混合生殖细胞瘤、畸胎瘤、卵黄囊瘤及复发性儿童脑干胶质瘤。主要目标为确定奥沙利铂与氟尿嘧啶、亚叶酸钙联用时的剂量限制毒性和最大耐受剂量,次要目标包括奥沙利铂的药代动力学特征,以及氟脱氧葡萄糖F18积聚变化与肿瘤缓解的相关性。可用于儿科肿瘤化疗剂量探索与疗效预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童中枢神经系统绒毛膜癌、儿童中枢神经系统胚胎性肿瘤、儿童中枢神经系统生殖细胞肿瘤、儿童中枢神经系统生殖细胞瘤、儿童中枢神经系统混合生殖细胞瘤、儿童中枢神经系统畸胎瘤、儿童中枢神经系统卵黄囊瘤、复发性儿童脑干胶质瘤。主要目标:I. 确定奥沙利铂与氟尿嘧啶和亚叶酸钙联合用于复发或难治性实体瘤(包括中枢神经系统肿瘤)儿科患者时的剂量限制性毒性(DLT)和最大耐受剂量(MTD)。次要目标:I. 确定奥沙利铂在该儿科患者群体中的药代动力学特性。II. 将氟脱氧葡萄糖F18积聚的变化与能够readi的患者中的肿瘤缓解相关联
【主题与分类】
主题标签:Recurrent Childhood Brain Stem Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00281944
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/NCT00281944
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:儿童中枢神经系统绒毛膜癌、儿童中枢神经系统胚胎性肿瘤、儿童中枢神经系统生殖细胞肿瘤、儿童中枢神经系统生殖细胞瘤、儿童中枢神经系统混合性生殖细胞肿瘤、儿童中枢神经系统畸胎瘤、儿童中枢神经系统卵黄囊瘤、复发性儿童脑干胶质瘤。主要目标:I. 确定奥沙利铂与氟尿嘧啶和亚叶酸钙联合用于复发性或难治性实体瘤(包括中枢神经系统肿瘤)儿科患者时的剂量限制性毒性(DLT)和最大耐受剂量(MTD)。次要目标:I. 确定奥沙利铂在该儿科患者群体中的药代动力学特性。II. 在能够顺利接受正电子发射断层扫描(PET)或PET/CT扫描的患者中,将氟脱氧葡萄糖F 18积聚的变化与肿瘤缓解进行相关性分析。III. 评估该方案在这些患者中的安全性特征。IV. 评价该方案在这些患者中任何初步的抗肿瘤活性证据。
大纲:这是一项关于奥沙利铂的开放标签、多中心、剂量递增研究。患者根据实体瘤类型(非中枢神经系统 vs 中枢神经系统)进行分层。患者在第1天接受奥沙利铂静脉注射,持续2小时,以及亚叶酸钙静脉注射,持续2小时,随后在第1-2天接受氟尿嘧啶静脉持续输注46小时。在没有疾病进展或不可接受的毒性的情况下,每14天重复一个疗程。3-6名患者的队列接受递增剂量的奥沙利铂,直到确定最大耐受剂量(MTD)。MTD定义为3名患者中有2名或6名患者中有2名出现剂量限制性毒性之前的剂量。至少有6名患者在MTD下接受治疗。研究治疗完成后,对患者进行定期随访。
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。




