Crenolanib 治疗儿童/青年弥漫性内生性脑桥胶质瘤或复发性高级别胶质瘤
该数据集来自 clinicaltrials.gov,聚焦 Crenolanib 用于儿童及青年弥漫性内生性脑桥胶质瘤(DIPG)或复发性高级别胶质瘤(HGG)的临床研究

基本信息
资源简介
Crenolanib 治疗儿童/青年弥漫性内生性脑桥胶质瘤或复发性高级别胶质瘤
该数据集来自 clinicaltrials.gov,聚焦 Crenolanib 用于儿童及青年弥漫性内生性脑桥胶质瘤(DIPG)或复发性高级别胶质瘤(HGG)的临床研究。数据覆盖与放疗同步给药及复发/难治性 HGG 的最大耐受剂量估计、儿童患者药代动力学特征及其与毒性关系,并探索长期用药毒性、药物代谢酶多态性与药代动力学关联、外周血单核细胞中 PDGF 通路靶点磷酸化变化等。可用于剂量探索、药代与安全性分析及 PDGF 通路相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:弥漫性内生性脑桥胶质瘤、进展性或难治性高级别胶质瘤。主要目标: 在接受放疗的儿童研究参与者中,估计与放疗同时给药的 crenolanib 的最大耐受剂量(MTD) 在患有复发性/难治性 HGG(包括 DIPG)的儿童和青年中估计 crenolanib 的 MTD 表征 crenolanib 在儿童患者中的药代动力学,并将药物处置与毒性相关联。探索性次要目标: 表征与长期使用 crenolanib 相关的毒性和/或不良事件 评估药物代谢酶的特定多态性与 crenolanib 药代动力学之间的关联 评估外周血单核细胞中 PDGF 通路激活靶点磷酸化的变化,并研究其可能的关系
【主题与分类】
主题标签:Diffuse Intrinsic Pontine Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01393912
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/NCT01393912
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:弥漫性内生性脑桥胶质瘤,进展性或难治性高级别胶质瘤。
主要目标:* 评估在患有DIPG的儿科研究参与者中,与放疗同时给药的crenolanib的最大耐受剂量(MTD)* 评估crenolanib在患有复发性/难治性HGG(包括DIPG)的儿童和年轻成人中的MTD * 表征crenolanib在儿科患者中的药代动力学,并将药物处置与毒性相关联
探索性次要目标:* 表征与长期使用crenolanib相关的毒性和/或不良事件* 评估药物代谢酶的特定多态性与crenolanib药代动力学之间的关联* 评估外周血单核细胞中PDGF通路激活靶标磷酸化的变化,并研究这些变化、crenolanib血浆药物水平和结局指标之间可能的关系* 在可获得的肿瘤组织中评估PDGFR、基因型、蛋白表达和DNA扩增* 研究反映肿瘤病理生理学(代谢、氧合、灌注和血管壁完整性)的磁共振成像(MRI)技术是否与临床反应相关* 表征
- 描述研究参与者和家长对参加该I期试验儿童的症状及生活质量的看法
- 描述参加该I期试验的儿科研究参与者家长的生活质量及自我照护活动的影响
- 评估治疗联盟和社会支持对参加该I期试验的儿科研究参与者家长的内心平静、希望、焦虑/抑郁及生活质量的影响
A层-适当剂量的放疗将
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。




