吗替麦考酚酯联合放疗治疗胶质母细胞瘤
本试验涉及复发或新诊断的胶质母细胞瘤、胶质肉瘤及IV级星形细胞瘤。0期确定MMF能否在脑肿瘤中达到有效浓度；8名参与者接受MMF一周后按计划活检或再次切除，取临床切除的小部分肿瘤检测
基本信息
资源简介
吗替麦考酚酯联合放疗治疗胶质母细胞瘤
本试验涉及复发或新诊断的胶质母细胞瘤、胶质肉瘤及IV级星形细胞瘤。0期确定MMF能否在脑肿瘤中达到有效浓度；8名参与者接受MMF一周后按计划活检或再次切除，取临床切除的小部分肿瘤检测。1期另入组60名，30名复发GBM/GS、30名新诊断GBM/GS，寻找MMF联合放疗（复发）或放疗和化疗（新诊断）时的最大耐受剂量。符合1期条件的0期参与者可参加两阶段（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病条件：复发性胶质母细胞瘤、复发性胶质肉瘤、复发性星形细胞瘤，IV级；新诊断的胶质母细胞瘤、新诊断的胶质肉瘤、新诊断的星形细胞瘤，IV级。0期部分的目标是确定MMF是否在脑肿瘤中达到活性浓度。0期的8名受试者将先接受MMF治疗一周，然后接受已计划的胶质母细胞瘤或胶质肉瘤（GBM/GS）活检或再次切除（手术切除）。作为临床诊疗的一部分被切除的一小部分肿瘤将用于本研究的检测。该试验的1期部分将额外入组60名受试者（30名复发性GBM/GS和30名新诊断的GBM/GS）。1期部分的目标是找到MMF在复发性GBM/GS中与放疗联合、在新诊断GBM/GS中与放疗和化疗联合时，不引起严重副作用且效果最佳的剂量（最大耐受剂量）。符合1期部分入组资格标准的0期受试者可参加两个阶段。
【主题与分类】
主题标签：Recurrent Glioblastoma、Recurrent Gliosarcoma、Recurrent Astrocytoma, Grade IV、Newly Diagnosed Glioblastoma、Newly Diagnosed Gliosarcoma、Newly Diagnosed Astrocytoma, Grade IV。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04477200
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/NCT04477200
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
疾病条件：复发性胶质母细胞瘤、复发性胶质肉瘤、复发性星形细胞瘤，IV级；新诊断的胶质母细胞瘤、新诊断的胶质肉瘤、新诊断的星形细胞瘤，IV级。0期部分的目标是确定MMF是否在脑肿瘤中达到活性浓度。0期的8名受试者将先接受MMF治疗一周，然后接受已计划的胶质母细胞瘤或胶质肉瘤（GBM/GS）活检或再次切除（手术切除）。作为临床诊疗的一部分被切除的一小部分肿瘤将用于本研究的检测。该试验的1期部分将额外入组60名受试者（30名复发性GBM/GS和30名新诊断的GBM/GS）。1期部分的目标是找到MMF在复发性GBM/GS中与放疗联合、在新诊断GBM/GS中与放疗和化疗联合时，不引起严重副作用且效果最佳的剂量（最大耐受剂量）。符合1期部分入组资格标准的0期受试者可参加两个阶段。
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。
