儿童及青年癌症或罕见疾病的评估、治疗与自然史研究
该数据集来自 clinicaltrials.gov,聚焦儿童及青年癌症或罕见疾病的评估、治疗与自然史研究。数据可用于了解儿童肿瘤及罕见病的临床特征、疾病自然进程与治疗相关信息的整理分析,为相关研究提供参考(来源 clinicaltrials.gov)

基本信息
资源简介
儿童及青年癌症或罕见疾病的评估、治疗与自然史研究
该数据集来自 clinicaltrials.gov,聚焦儿童及青年癌症或罕见疾病的评估、治疗与自然史研究。覆盖病种包括 Ewing's Sarcoma、Leukemia、Lymphoma、Brain Tumors、Rhabdomyosarcoma 等。数据可用于了解儿童肿瘤及罕见病的临床特征、疾病自然进程与治疗相关信息的整理分析,为相关研究提供参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Ewing's Sarcoma、Leukemia、Lymphoma、Brain Tumors、Rhabdomyosarcoma。背景:儿童和成人被转诊至儿科肿瘤科(Pediatric Oncology Branch,POB),以评估是否可能入组治疗癌症或其他罕见疾病的临床方案。虽然部分儿童不符合特定方案的条件,但他们可能表现出某些疾病表现,为深入了解其基础疾病的发病机制或临床行为提供重要新见解的潜力。此外,已完成临床方案参与但目前没有治疗性方案替代选择的儿童,仍可继续为 POB 提供重要信息。POB 关注的疾病包括但不限于淋巴瘤、脑肿瘤、Ewing's Sarcoma、白血病、神经外胚层肿瘤、骨肉瘤、Rhabdomyosarcoma、RAS 相关综合征和遗传性免疫
【主题与分类】
主题标签:Ewing's Sarcoma、Leukemia、Lymphoma、Brain Tumors、Rhabdomyosarcoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00001686
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/NCT00001686
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:尤文肉瘤、白血病、淋巴瘤、脑肿瘤、横纹肌肉瘤。背景:儿童和成人被转介至儿科肿瘤科(POB),以考虑加入治疗癌症或其他罕见疾病的临床方案。虽然有些儿童不符合特定方案的条件,但他们可能表现出对其基础疾病的发病机制或临床行为具有重要新见解潜力的疾病表现。此外,已完成临床方案参与但目前没有治疗性方案替代的儿童,可以继续为POB提供重要信息。POB感兴趣的疾病包括但不限于淋巴瘤、脑肿瘤、尤文肉瘤、白血病、神经外胚层肿瘤、骨肉瘤、横纹肌肉瘤、RAS相关综合征和遗传性免疫疾病等。
因此,对这类患者进行连续的临床评估,包括开展临床、实验室和诊断研究,以纵向帮助阐明潜在疾病机制,并在有临床指征时采用标准治疗疗法,将有助于POB实现其总体使命。目标:能够随访和评估转诊至儿科肿瘤科的癌症或癌前综合征及其他罕见病儿童和成人患者,这些患者表现出适合临床评估且具有独特科学重要性的疾病表现。入选资格:接受儿科肿瘤科评估的患者,且符合以下条件:* 患有癌症(或癌前综合征或罕见病)的儿童和成人,其疾病表现对儿科肿瘤科研究人员具有特殊意义。* 患者在研究入组时必须大于或等于2岁且小于或等于40岁。设计:将根据每位患者的个体诊断(或推定诊断)选择医学操作或检查。当有临床指征时,标准治疗将
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。




