Entinostat 治疗儿童复发或难治性实体瘤
该数据集来自 clinicaltrials.gov,主题为 Entinostat 治疗儿童复发或难治性实体瘤的临床试验。覆盖脑干肿瘤、松果体区肿瘤、复发淋巴瘤、复发恶性实体瘤、复发原发性中枢神经系统肿瘤、复发视觉通路胶质瘤、难治性淋巴瘤及难治性恶性实体瘤等病种

基本信息
资源简介
Entinostat 治疗儿童复发或难治性实体瘤
该数据集来自 clinicaltrials.gov,主题为 Entinostat 治疗儿童复发或难治性实体瘤的临床试验。覆盖脑干肿瘤、松果体区肿瘤、复发淋巴瘤、复发恶性实体瘤、复发原发性中枢神经系统肿瘤、复发视觉通路胶质瘤、难治性淋巴瘤及难治性恶性实体瘤等病种。主要目标包括估计单药每周一次给药的最大耐受剂量和/或推荐 2 期剂量、描述毒性、表征药代动力学;次要目标包括初步定义抗肿瘤活性、评估组蛋白 H3 和 H4 乙酰化变化。可用于儿童肿瘤治疗剂量探索与药代动力学预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑干肿瘤、松果体区肿瘤、复发淋巴瘤、复发恶性实体瘤、复发原发性中枢神经系统肿瘤、复发视觉通路胶质瘤、难治性淋巴瘤、难治性恶性实体瘤。主要目标:I. 估计 Entinostat 作为单药、每周一次给药用于儿童复发或难治性实体瘤的最大耐受剂量(MTD)和/或推荐 2 期剂量。II. 定义并描述 Entinostat 作为单药、每周一次给药用于儿童复发或难治性实体瘤的毒性。III. 表征 Entinostat 在儿童复发或难治性癌症中的药代动力学。次要目标:I. 在 1 期研究范围内初步定义 Entinostat 的抗肿瘤活性。II. 评估组蛋白 H3 和 H4 乙酰
【主题与分类】
主题标签:Brain Stem Neoplasm、Pineal Region Neoplasm、Recurrent Lymphoma、Recurrent Malignant Solid Neoplasm、Recurrent Visual Pathway Glioma、Refractory Lymphoma、Refractory Malignant Solid Neoplasm、Refractory Visual Pathway Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02780804
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/NCT02780804
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:脑干肿瘤、松果体区肿瘤、复发性淋巴瘤、复发性恶性实体瘤、复发性原发性中枢神经系统肿瘤、复发性视觉通路胶质瘤、难治性淋巴瘤、难治性恶性实体瘤。主要目标:I. 评估恩替诺特作为单药每周一次用于复发性或难治性实体瘤儿童的最大耐受剂量(MTD)和/或推荐的2期剂量。II. 定义并描述恩替诺特作为单药每周一次用于复发性或难治性实体瘤儿童的毒性。III. 表征恩替诺特在复发性或难治性癌症儿童中的药代动力学。次要目标:I. 在1期研究范围内初步确定恩替诺特的抗肿瘤活性。II. 评估外周血单核细胞(PBMCs)中组蛋白H3和H4乙酰化的变化,作为恩替诺特生物学活性的标志物。大纲:这是一项剂量递增研究。患者在第1、8、15和22天口服(PO)恩替诺特。
在没有疾病进展或不可接受的毒性的情况下,周期每28天重复一次,最多持续5年。
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。




