立体定向消融放疗治疗重度肺气肿的肺减容研究
该数据集来源于 clinicaltrials.gov,主题为立体定向消融放疗(SABR/SBRT)用于重度肺气肿的肺减容治疗

基本信息
资源简介
立体定向消融放疗治疗重度肺气肿的肺减容研究
该数据集来源于 clinicaltrials.gov,主题为立体定向消融放疗(SABR/SBRT)用于重度肺气肿的肺减容治疗。源站描述介绍了 SABR 的技术特点:可将高剂量辐射聚焦传递至靶区,肿瘤杀灭活性更高、并发症通常更低、患者更便利,可 1 至数次完成;因按立体定向计划从多方向照射,高剂量可送达组织且快速衰减至周围正常组织低剂量。该技术最初应用于脑肿瘤并获成功,近年作为主要治疗模式获得越来越多认可。数据可用于放疗相关肿瘤治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺气肿。立体定向消融放疗(SABR),也称为立体定向体部放疗(SBRT),是放疗领域相对较新的进展,它允许将高剂量辐射传递至聚焦区域(通常为恶性肿瘤),从而实现更高的肿瘤杀灭活性、通常更低的并发症以及患者更大的便利性,因为它可在 1 至仅数次治疗中完成。由于辐射根据立体定向计划从多个方向给予,高剂量可被递送至组织,并快速衰减至甚至附近周围正常组织中的相对低剂量。该技术最初应用于脑肿瘤——这一应用多年来已取得巨大成功。最近,它已被应用并取得实质性成功,作为主要治疗模式正获得越来越多的认可。
【主题与分类】
主题标签:Emphysema。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03673176
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/NCT03673176
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:肺气肿。立体定向消融放疗(SABR),也称为立体定向体部放疗(SBRT),是放疗领域相对较新的进展,它允许将高剂量辐射传递至聚焦区域(通常为恶性肿瘤),从而实现更高的杀肿瘤活性、通常更低的并发症发生率,并为患者带来更大的便利,因为它可在1次至仅几次治疗中完成。由于辐射根据立体定向计划从多个方向给予,高剂量可传递至组织,同时迅速衰减至相对低剂量,甚至对邻近周围的正常组织也是如此。该技术最初应用于脑肿瘤——这一应用多年来取得了巨大成功。最近,它已被应用并取得实质性成功,作为I期肺部恶性肿瘤及身体多个其他部位恶性肿瘤的主要治疗模式,正获得越来越多的认可。在肺部,由SABR引起的肺炎发生率远低于传统外照射放疗所引起的发生率。
在常规外照射放疗中,报道的肺炎发生率为13-37%(7),具体取决于剂量和照射野大小。肺部SABR后报道的症状性肺炎发生率显著较低,通常约为5%(8)。然而,SABR通常会在接受治疗的肺部区域留下瘢痕(9)。重要的是,周围肺实质似乎会收缩进入该瘢痕,从而产生一种本质上是“肺减容”的效果。在任何形式的肺部放疗后,人们常常可以观察到明显的肺体积丢失。采用SABR时,这种“减容”是在发病率风险远低的情况下实现的——尤其是肺炎风险更低。
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。




