伊立替康联合顺铂治疗预后不良的儿童胶质瘤
该数据集来自 clinicaltrials.gov,主题为伊立替康联合顺铂治疗预后不良的儿童胶质瘤。源站描述指出,脑与中枢神经系统肿瘤是儿童最常见的实体瘤,其中胶质瘤最为常见,以星形细胞瘤居多,但属于低患病率罕见病

基本信息
资源简介
伊立替康联合顺铂治疗预后不良的儿童胶质瘤
该数据集来自 clinicaltrials.gov,主题为伊立替康联合顺铂治疗预后不良的儿童胶质瘤。源站描述指出,脑与中枢神经系统肿瘤是儿童最常见的实体瘤,其中胶质瘤最为常见,以星形细胞瘤居多,但属于低患病率罕见病。儿童中枢神经系统肿瘤死亡率下降幅度不及其他儿童肿瘤,高级别胶质瘤预后差、治疗选择少,化疗客观缓解率最高仅 11% 至 27%,复发高级别胶质瘤与内在脑干肿瘤在各种治疗下均致死。该数据可用于儿童高风险胶质瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童高风险胶质瘤。脑与中枢神经系统(CNS)肿瘤是儿童最常见的实体瘤。其中,胶质瘤最为常见,尽管这一术语涵盖不同的组织学亚型,最常见的是星形细胞瘤。然而,它们是低患病率的罕见疾病。儿童 CNS 癌症的死亡率并未像其他儿童肿瘤那样以相同比例下降。高级别胶质瘤预后不良,治疗选择很少。这些肿瘤对化疗的客观缓解率(ORR)在最好的情况下为 11% 至 27%。复发的高级别胶质瘤和内在脑干肿瘤尽管尝试了所有治疗,结局均一致致命。成人新发胶质母细胞瘤在手术切除后的治疗是局部放疗联合同步替莫唑胺。
【主题与分类】
主题标签:Pediatric High Risk Gliomas。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01574092
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/NCT01574092
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:儿童高危胶质瘤。脑和中枢神经系统(CNS)肿瘤是儿童中最常见的实体瘤。其中,胶质瘤最为常见,尽管这一术语涵盖了不同的组织学亚型,最常见的是星形细胞瘤。然而,它们属于低患病率的罕见疾病。儿童CNS癌症的死亡率并未像其他儿童肿瘤那样相应下降。高级别胶质瘤预后不良,治疗选择有限。这些肿瘤对化疗的客观缓解率(ORR)最高仅为11%至27%。复发性高级别胶质瘤和内在脑干肿瘤尽管尝试了所有治疗方法,结局均一致致命。成人新发胶质母细胞瘤手术切除后的治疗为局部放疗同步替莫唑胺。该方法在儿童中仍处于临床评估阶段。对于低级别星形细胞瘤,辅助治疗的指征仅限于无法切除且同时引起神经损伤的患者。
尽管它们是生长缓慢的肿瘤,但可导致严重的并发症,并危及生命。放疗对儿童神经系统有已知的副作用。化疗用于延迟或避免这些患者接受放疗。大多数评估胶质瘤治疗反应的放射学研究侧重于测量病灶面积。然而,如今新的成像策略和功能测试,如PET,可以被应用。肿瘤组织中11C-甲硫氨酸示踪剂的摄取比葡萄糖更具选择性,并为这些肿瘤的评估提供了良好的边界描绘。关于儿童胶质瘤的分子和遗传特征的研究很少。在成人中,已有报道称微卫星不稳定性是肿瘤对伊立替康反应的预测因素,因为DNA修复蛋白的缺陷导致对药物的更高敏感性。
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。




