脑肿瘤质子治疗后的神经认知完整性
该数据集来自 clinicaltrials.gov,聚焦脑肿瘤质子治疗后的神经认知完整性,覆盖中枢神经系统肿瘤。源站描述指出,脑部晚期放射性毒性常表现为认知功能障碍、脑白质病、脑萎缩、脑组织坏死、脑血管并发症、内分泌病变及继发恶性肿瘤,其中放射性海马损伤对认知损害影响显著,广泛中枢神经系统效应涉及血

基本信息
资源简介
脑肿瘤质子治疗后的神经认知完整性
该数据集来自 clinicaltrials.gov,聚焦脑肿瘤质子治疗后的神经认知完整性,覆盖中枢神经系统肿瘤。源站描述指出,脑部晚期放射性毒性常表现为认知功能障碍、脑白质病、脑萎缩、脑组织坏死、脑血管并发症、内分泌病变及继发恶性肿瘤,其中放射性海马损伤对认知损害影响显著,广泛中枢神经系统效应涉及血管损伤、神经元耗竭、慢性炎症、脱髓鞘及组织坏死等机制。认知障碍严重程度受肿瘤位置与体积、总辐射剂量、分割方案、患者个体易感性、合并症及合并用药等多因素影响。可用于研究与预测质子治疗后神经认知结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:中枢神经系统肿瘤。在脑部,晚期放射性毒性通常表现为认知功能障碍、脑白质病、脑萎缩、脑组织坏死、脑血管并发症、内分泌病变和/或继发性恶性肿瘤。尤其是放射性海马损伤,显著导致认知障碍,而更广泛的中枢神经系统效应通过多种机制产生,包括血管损伤、神经元耗竭、慢性炎症、脱髓鞘和组织坏死。认知功能障碍的严重程度取决于多种因素,包括肿瘤的位置和体积、给予的总辐射剂量、分割方案以及患者的个体易感性,还有合并症(如糖尿病等)和合并用药。独特的物理特性
【主题与分类】
主题标签:Central Nervous System Tumour。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07836478
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/NCT07836478
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:中枢神经系统肿瘤。在脑部,晚期放射性毒性通常表现为认知功能障碍、脑白质病、脑萎缩、脑组织坏死、脑血管并发症、内分泌病变和/或继发性恶性肿瘤。尤其是放射性海马损伤,显著导致认知功能损害,而更广泛的中枢神经系统效应则通过多种机制产生,包括血管损伤、神经元耗竭、慢性炎症、脱髓鞘和组织坏死。认知功能障碍的严重程度取决于多种因素,包括肿瘤的位置和体积、总放射剂量、分割方案、患者的个体易感性,以及合并症(如糖尿病等)和合并用药。质子治疗独特的物理特性,如入口剂量降低、出口剂量消除和布拉格峰,使其相较于传统光子治疗具有明显的剂量学优势。
笔束扫描技术进一步改进了早期的被动散射方法,通过传递调制的质子束流,实现更优的靶区适形性并减少中子散射,从而限制对颅内危及器官(OARs)的低剂量和中等剂量照射,同时保持靶区体积内足够的剂量覆盖。从放射生物学的角度来看,这些特性表明,质子治疗相比基于光子的治疗方式,可能具有更有利的风险-获益平衡,尤其对于长期临床结果而言。它实现了积分剂量的显著降低,在减少辐射诱发的第二恶性肿瘤方面提供了实质性益处,因此在条件允许时对儿童是必须的。质子治疗已成熟应用于治疗儿童肿瘤、中枢神经系统肿瘤如低级别胶质瘤(LGG)和脑膜瘤,特别是当肿瘤靠近视路或脑干时,以及年轻患者的所有良性肿瘤。在这些情况下,
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




