基于cIMPACT-NOW和2021 WHO分类评估原发性脑肿瘤患者治疗与结局的观察性研究
研究旨在评估基于cIMPACT-NOW建议的2021 WHO分类是否比2016分类形成更同质的患者组，并据此为新增肿瘤实体的治疗与预后提供临时性指导
基本信息
资源简介
基于cIMPACT-NOW和2021 WHO分类评估原发性脑肿瘤患者治疗与结局的观察性研究
该数据集来自clinicaltrials.gov，为一项观察性研究，覆盖Glioma、Glioneuronal Tumor、Choroid Plexus Tumor、Pineal Tumors、Germ Cell Tumor、Tumor of the Sellar Region、Diffuse Midline Glioma, H3 K27M-Mutant、Ependymoma等原发性脑肿瘤。研究旨在评估基于cIMPACT-NOW建议的2021 WHO分类是否比2016分类形成更同质的患者组，并据此为新增肿瘤实体的治疗与预后提供临时性指导。数据可用于脑肿瘤分类与治疗结局的预测建模研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Glioma、Glioneuronal Tumor、Choroid Plexus Tumor、Pineal Tumors、Germ Cell Tumor、Tumor of the Sellar Region、Diffuse Midline Glioma, H3 K27M-Mutant、Ependymoma。每一种新分类都取决于其预后判断能力以及所给予的治疗类型。随着诊断方法的快速演变和新疗法的进展，关于新定义脑肿瘤实体患者应如何治疗以及当前治疗可预期何种结果，可靠信息要少得多。目标是确定基于cIMPACT-NOW建议的2021 WHO分类是否比旧的2016分类产生更同质的患者组。此外，它将有助于得出关于这些新定义肿瘤实体患者最佳治疗方式的临时性指南。这些建议将基于EORTC inv的经验
【主题与分类】
主题标签：Glioma、Glioneuronal Tumor、Choroid Plexus Tumor、Pineal Tumors、Germ Cell Tumor、Tumor of the Sellar Region、Diffuse Midline Glioma, H3 K27M-Mutant、Ependymoma、Embryonal Tumor、Pineal Tumor。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05259605
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/NCT05259605
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
疾病类型：胶质瘤、胶质神经元肿瘤、脉络丛肿瘤、松果体肿瘤、生殖细胞肿瘤、鞍区肿瘤、弥漫性中线胶质瘤、H3 K27M突变型、室管膜瘤。每一种新的分类都取决于其预后判断价值以及所采用的治疗类型。随着诊断方法的快速发展和新治疗的进步，关于新定义脑肿瘤实体的患者应如何治疗以及对当前治疗可有何预期，可靠信息要少得多。目标是确定基于cIMPACT-NOW建议的2021年WHO新分类是否比2016年旧分类产生更同质的患者分组。此外，这将有助于制定临时指南，说明这些新定义肿瘤实体的患者最佳治疗方法。这些建议将基于EORTC研究者对所选治疗的经验以及本数据收集报告中所述的经验。
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。
