儿童中枢神经系统肿瘤放疗效果探索性研究
该数据集来自 clinicaltrials.gov,聚焦儿童中枢神经系统肿瘤患者接受放疗后的病理生理效应。覆盖弥漫性内生型脑桥胶质瘤、PNET、室管膜瘤、生殖细胞瘤和髓母细胞瘤等病种

基本信息
资源简介
儿童中枢神经系统肿瘤放疗效果探索性研究
该数据集来自 clinicaltrials.gov,聚焦儿童中枢神经系统肿瘤患者接受放疗后的病理生理效应。覆盖弥漫性内生型脑桥胶质瘤、PNET、室管膜瘤、生殖细胞瘤和髓母细胞瘤等病种。研究通过分析血液、尿液及脑脊液中的生物标志物,结合MR灌注、DEMRI等影像技术和神经心理测试,探索放疗对血管生成、血脑屏障完整性和神经毒性的影响。数据可用于放疗反应预测、生物标志物与影像变化关联分析等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:弥漫性内生型脑桥胶质瘤、PNET、室管膜瘤、生殖细胞瘤、髓母细胞瘤。背景:这项探索性研究将在接受放疗的儿童中枢神经系统肿瘤患者中进行,以研究放疗对中枢神经系统的病理生理效应。该研究包括分析血液、尿液和脑脊液(如有),以测量与血管生成、血脑屏障完整性和神经毒性相关的生物标志物。研究还包括全面的MR成像技术和神经心理测试,以努力将变化与生物标志物测量结果相关联。目标:1. 通过以下方式检测与中枢神经系统放疗相关的血管生成变化: 测量血液和尿液标本中的VEGF、bFGF、血小板反应蛋白、TNF-alpha、IL-12、IL-8和MMP。 MR灌注和DEMRI。2. 描述血脑屏障通透性的变化
【主题与分类】
主题标签:Diffuse Intrinsic Pontine Glioma、PNET、Ependymoma、Germinoma、Medulloblastoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01445288
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/NCT01445288
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:弥漫性内生性脑桥胶质瘤、PNET、室管膜瘤、生殖细胞瘤、髓母细胞瘤。背景:这项探索性研究将在接受放射治疗的中枢神经系统肿瘤儿科患者中进行,以探讨放射对中枢神经系统的病理生理影响。该研究包括分析血液、尿液和脑脊液(如有),以测量与血管生成、血脑屏障完整性和神经毒性相关的生物标志物。研究还包括全面的MR成像技术和神经心理测试,以努力将变化与生物标志物测量结果相关联。目的:1. 通过以下方式检测与中枢神经系统放射相关的血管生成变化:* 测量血液和尿液标本中的VEGF、bFGF、血小板反应蛋白、TNF-α、IL-12、IL-8和MMP。* MR灌注和DEMRI。2. 描述与中枢神经系统放射相关的血脑屏障通透性变化。3.
通过以下方式描述神经毒性:* 测量与神经毒性相关的生物标志物 * 通过纵向综合评估记录神经行为功能的变化 * 描述生活质量(QOL)的变化 * 评估记忆的变化 * 定义与放射相关的眼科研究中的变化。* 检测与放射相关的听力测定变化。入选标准:* 患者必须患有原发性中枢神经系统肿瘤,且推荐进行放射治疗。* 患者年龄必须小于或等于21岁。* 既往/同时:如果患者未接受过既往放射治疗,则符合条件。接受过手术或化疗的患者符合条件。* 体能状态:无论体能评分如何,患者均符合条件。设计:这项微创研究旨在探索放射对儿童中枢神经系统的各种生物学效应,以尝试1)获取关于放射诱导损伤病理生理学的信息,2)探索神经心理缺陷与生物标志物及神经影像学异常之间的关联,3)记录神经行为的变化
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。




