胶质瘤超边缘切除试验
该数据集来自 clinicaltrials.gov，聚焦高级别胶质瘤（HGG）首次手术切除时常规切除与超边缘切除的对比。这是一项多中心、实用性、随机对照的先导试验，旨在模拟更大规模确定性试验的各环节，评估识别、招募与患者分配能否满足预设标准，优化入组标准，确认手术安全性及试验期间保留参与者的能力
基本信息
资源简介
胶质瘤超边缘切除试验
Glioma Supra Marginal Incision Trial 是一项登记于 clinicaltrials.gov 的临床试验数据集，归类于肿瘤 / 脑肿瘤方向，聚焦高级别胶质瘤（High Grade Glioma，HGG）。该试验为多中心、实用性、随机对照的先导试验，计划模拟更大规模确定性试验的各个环节，比较患者在接受 HGG 首次手术切除时采用常规切除与超边缘（supramarginal）肿瘤切除的差异。其目的在于评估在合适筛选的患者中识别、招募与分配受试者能否满足预设标准，优化入组标准以利于最佳招募，确认手术操作的安全性以及在整个试验期间保留参与者的能力，并通过初步疗效数据为后续更大规模确定性试验的样本量计算与资源估算提供依据。
【数据集背景】
高级别胶质瘤是脑肿瘤中侵袭性强、治疗难度大的一类，手术切除是首次治疗的重要环节。围绕切除范围，临床上存在常规切除与超边缘切除两种策略，但两者在安全性与疗效上的相对优劣需要通过严谨的随机对照研究加以评估。该数据集所对应的先导试验正是在这一背景下设计，其定位并非直接给出确定性结论，而是为一项更大规模的确定性试验做前期准备，检验试验流程在真实临床环境中的可行性。试验采用多中心、实用性设计，强调在贴近日常诊疗的条件下考察识别、招募、分配与随访等关键环节。
【数据内容】
该数据集的主题标签为 High Grade Glioma，来源站为 clinicaltrials.gov。就数据内容而言，源站描述主要呈现了试验的条件（High Grade Glioma）与研究设计要点，包括这是一项先导性、多中心、实用性、随机对照试验，比较常规切除与超边缘肿瘤切除，并围绕识别、招募、患者分配、入组标准优化、手术安全性、参与者保留以及初步疗效数据等目标展开。源站未提供具体的受试者数量、分组规模、终点指标数值、随访时长或统计结果等细节数据。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床试验注册信息。源站描述说明该试验为计划中的先导研究，用于模拟更大规模确定性试验的各个方面。源站未提供具体的采集时间范围、采集机构名单、数据采集流程或原始数据字段结构等信息。
【适用场景】
该数据集适用于了解高级别胶质瘤首次手术切除中常规切除与超边缘切除对比研究的设计框架，可用于研究脑肿瘤外科临床试验的方法学设计，尤其是先导试验在评估招募可行性、优化入组标准、确认手术安全性和参与者保留能力方面的作用。同时，其初步疗效数据的设计目标可为更大规模确定性试验的样本量计算与资源估算提供参考思路。源站未提供该数据集在其他具体应用场景中的使用说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析操作指引。
【质量与限制】
该数据集对应的是先导试验，其设计目标之一是检验试验流程可行性并为后续确定性试验做准备，因此不宜将其视为对常规切除与超边缘切除疗效优劣的最终结论。源站未提供样本量、数据完整性、偏倚控制细节或质量评估结果等信息，使用时应结合源站原始记录核实。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT04737577
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
条件：高级别胶质瘤。本试点性、多中心、实用性随机对照试验旨在模拟一项更大规模确定性试验的各个方面，该确定性试验将比较在合适筛选的高级别胶质瘤患者首次手术切除时，采用传统切除术与超边缘肿瘤切除术的差异。本试点试验将有助于确定在识别、招募和患者分配方面满足预设标准的能力，允许优化入组标准以实现最佳招募，确认手术操作的安全性以及在试验期间保留参与者的能力。初步疗效数据将为样本量计算和预估所设想的更大规模确定性试验所需资源提供依据。
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。
