中枢神经系统肿瘤患者自然史与标本库研究
该数据集来自 clinicaltrials.gov,聚焦中枢神经系统肿瘤患者的自然史与标本库建设。研究覆盖脑癌、脑肿瘤、脊柱癌、脊柱肿瘤及肿瘤等病种,旨在评估中枢神经系统肿瘤患者在整个疾病过程中的表现,数据可来自病历检查、客观与主观测量以及患者和照护者信息

基本信息
资源简介
中枢神经系统肿瘤患者自然史与标本库研究
该数据集来自 clinicaltrials.gov,聚焦中枢神经系统肿瘤患者的自然史与标本库建设。研究覆盖脑癌、脑肿瘤、脊柱癌、脊柱肿瘤及肿瘤等病种,旨在评估中枢神经系统肿瘤患者在整个疾病过程中的表现,数据可来自病历检查、客观与主观测量以及患者和照护者信息。适用于未来方案候选者、具有独特科学价值或教育意义的病例,以及自然史不明或研究不足的肿瘤患者,也包括已知高风险的遗传综合征患者(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:脑癌、脑肿瘤、脊柱癌、脊柱肿瘤、肿瘤。背景:本方案旨在通过评估中枢神经系统肿瘤患者整个疾病过程,满足神经肿瘤学领域一项未满足的需求。数据可从多个来源收集,包括病历检查,以及患者及其照护者的客观和主观测量。本方案将评估中枢神经系统(CNS)肿瘤患者,这些患者似乎是未来方案入组的可能候选者,其疾病表现具有独特的科学意义、重要性或教育价值,或患有研究不足、自然史未知或不清楚的肿瘤。已知患有高风险的CNS癌症遗传综合征的患者也将被评估。目标:* 评估中枢神经系统(CNS)肿瘤患者,这些患者可能是
【主题与分类】
主题标签:Brain Cancer、Brain Tumor、Spine Cancer、Spine Tumor、Neoplasm。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02851706
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/NCT02851706
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:脑癌、脑肿瘤、脊柱癌、脊柱肿瘤、肿瘤。背景:本方案旨在通过评估中枢神经系统肿瘤患者整个疾病进程中的情况,以满足神经肿瘤学领域尚未被满足的需求。数据可从多个来源收集,包括病历检查,以及患者及其照护者的客观和主观测量指标。本方案将评估中枢神经系统(CNS)肿瘤患者,这些患者可能是未来方案入组的潜在候选者,其疾病表现具有独特的科学意义、重要性及/或教育价值,或者其所患肿瘤研究不足且自然史未知或不清。已知患有高风险的CNS癌症遗传综合征的患者也将接受评估。目的:* 评估中枢神经系统(CNS)肿瘤患者,这些患者可能是未来NCI I期和II期方案的候选者。
- 随访具有代表重要科学和/或临床原则的中枢神经系统肿瘤患者 * 随访研究不足或自然病程不确定的中枢神经系统肿瘤患者 * 评估和随访已知具有高发中枢神经系统癌症风险的遗传综合征患者 入选标准: * 所有年龄大于或等于18岁、患有NOB感兴趣的中枢神经系统肿瘤(或有中枢神经系统肿瘤病史)的患者,这些患者将来可能成为NOB试验的候选者。 * 患有NOB成员特别感兴趣的中枢神经系统肿瘤的患者,因为这些肿瘤提出了重要的临床和/或科学问题,和/或有助于阐明该疾病的重要方面。 * 已知具有高发中枢神经系统癌症风险的遗传综合征患者符合入选条件。 * 患有罕见中枢神经系统肿瘤、能为神经肿瘤学学员和工作人员提供重要教育益处的患者。 * 由患者确定的照护者,对于评估内部和外部资源(例如应对机制)、识别有助于
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




