提高儿童癌症临床试验入组策略的开发

数据集获取

源站：https://clinicaltrials.gov/study/NCT00002485

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：脑与中枢神经系统肿瘤、儿童生殖细胞肿瘤、性腺外生殖细胞肿瘤、白血病、肝癌、淋巴瘤、神经母细胞瘤、卵巢癌。目的：I. 前瞻性地识别与符合儿童肿瘤学组治疗方案入组条件但未加入此类研究的患者相关的医生和患者因素。II. 提供可用于制定干预策略的信息，以减少患者入组的障碍，从而增加治疗方案入组率。概述：这是一项病例对照、多中心研究。病例患者被分层。第1层包括存在合适的儿童肿瘤学组（POG）一线治疗方案，但该方案尚未提交至机构审查委员会（IRB）、被IRB否决或批准的患者。第2层包括存在合适的POG一线治疗方案且该方案已获IRB批准的患者。医生为第1层的患者填写IRB提交表格。

第2层中拒绝入组的患者/家长及其初级医生需完成问卷，说明未入组的原因。同意入组的对照患者/家长需完成问卷，说明入组的原因。收集人口统计学信息，包括治疗机构的规模及其方案每年入组的患者数量。同时收集有关患者及其家庭的额外人口统计学信息。预计入组人数：本研究将在7年内共入组595例病例患者（12例软组织肉瘤，34例骨肉瘤，19例脑肿瘤，32例霍奇金病，60例非霍奇金淋巴瘤，278例急性淋巴细胞白血病，65例急性非淋巴细胞白血病，56例神经母细胞瘤，14例肝母细胞瘤，25例生殖细胞肿瘤）。相应的对照患者也将入组本研究。

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。