接受放疗的年轻脑肿瘤患者的计算机训练项目
该数据集来自 clinicaltrials.gov,聚焦于接受颅脑放疗的儿童脑肿瘤患者,包括脑肿瘤与复发性脑肿瘤两类情况

基本信息
资源简介
接受放疗的年轻脑肿瘤患者的计算机训练项目
该数据集来自 clinicaltrials.gov,聚焦于接受颅脑放疗的儿童脑肿瘤患者,包括脑肿瘤与复发性脑肿瘤两类情况。数据涉及一项多中心、随机对照的计算机化认知训练项目,患者被随机分入干预组或对照组,干预组在家中进行为期5至9周、每周3至5次、每次15至45分钟的互动训练,包含十二项针对视觉空间与言语工作记忆的练习。该数据可用于评估此类家庭认知训练在儿童脑肿瘤放疗患者中的可行性,并初步估计其对注意力和工作记忆指标的效果量,为设计大规模确证性临床试验提供依据(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、复发性脑肿瘤。主要目标:I. 评估一项以家庭为基础的计算机化认知训练项目在多家儿童肿瘤学组(COG)机构中接受颅脑放疗(CRT)的儿童脑肿瘤患者中的可行性。探索性目标:I. 估计该项目对接受CRT的脑肿瘤患者注意力和工作记忆指标的效果量,以便设计一项确证性大规模临床试验。方案概述:患者被随机分配到2个组之一。第I组(干预):患者接受以家庭为基础的计算机化互动训练项目,包括每周3-5次、每次15-45分钟的训练,持续5-9周。该项目包含十二项视觉上引人入胜且有趣的练习,针对涉及视觉空间和言语工作记忆(WM)的技能。
【主题与分类】
主题标签:Brain Neoplasm、Recurrent Brain Neoplasm。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01503086
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/NCT01503086
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:脑肿瘤、复发性脑肿瘤。主要目标:I. 评估针对正在接受颅脑放疗(CRT)并在多个儿童肿瘤学组(COG)机构治疗的儿童脑肿瘤患者,实施基于家庭的计算机化认知训练计划的可行性。探索性目标:I. 估计该计划对接受CRT治疗的脑肿瘤患者在注意力和工作记忆测量上的效应量,以便设计一项确证性的大规模临床试验。大纲:患者随机分配到2个组中的1组。第一组(干预):患者接受基于家庭的计算机化互动训练计划,包括每周3-5次、每次15-45分钟的训练,持续5-9周。该计划包含十二项视觉吸引且有趣的练习,针对涉及视觉空间和言语工作记忆(WM)的技能。该计划具有适应性,每次难度任务会根据患者的当前工作记忆在每次试验的基础上自动调整。每位患者都有一名干预教练,教练可在线访问患者的训练课程和结果(通过或失败)。
教练能够调整训练顺序,或就如何最大化进展向患者和/或家长提出建议。教练还每周与患者和/或家属进行一次电话会议,以确保依从性、跟踪进展、提供反馈,并回答训练过程中出现的问题。ARM II(对照组):患者接受基于家庭的、计算机化的、互动的、非适应性训练方案,包括每周3-5次、每次15-45分钟的训练,持续5-9周。每位患者也配有一名干预教练,与第一组相同。两组患者均在基线时、研究完成后以及研究完成后6个月时完成一项简短的神经心理学/行为评估,包括韦氏儿童智力量表(WIS-IV)、儿童记忆量表(CMS)和加利福尼亚言语学习测验-儿童版(CVLT-C)。额外
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




