177Lu-DOTATOC治疗生长抑素受体阳性肺部、嗜铬细胞瘤、副神经节瘤、原发灶不明、胸腺神经内分泌肿瘤或其他非胃肠胰神经内分泌肿瘤成人患者的II期研究
该数据集来自 clinicaltrials.gov，为一项 II 期临床研究，评估 Lu-177 DOTATOC 在成人生长抑素受体表达（STTR+）的肺部神经内分泌肿瘤、嗜铬细胞瘤、副神经节瘤、原发不明肿瘤、胸腺神经内分泌肿瘤或其他非 GEP-NET 患者中的安全性和有效性
基本信息
资源简介
177Lu-DOTATOC治疗生长抑素受体阳性肺部、嗜铬细胞瘤、副神经节瘤、原发灶不明、胸腺神经内分泌肿瘤或其他非胃肠胰神经内分泌肿瘤成人患者的II期研究
该数据集来自 clinicaltrials.gov，为一项 II 期临床研究，评估 Lu-177 DOTATOC 在成人生长抑素受体表达（STTR+）的肺部神经内分泌肿瘤、嗜铬细胞瘤、副神经节瘤、原发不明肿瘤、胸腺神经内分泌肿瘤或其他非 GEP-NET 患者中的安全性和有效性。治疗方案为 4 剂 200（±10%）mCi 177Lu-DOTATOC，每 8±1 周给药一次。数据覆盖多种神经内分泌肿瘤类型，可用于研究该放射性核素治疗的疗效与安全性预测（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肺部神经内分泌肿瘤、嗜铬细胞瘤、副神经节瘤、胸腺类癌、原发不明肿瘤、神经内分泌肿瘤、神经内分泌皮肤癌、神经内分泌乳腺肿瘤。确定 Lu-177 DOTATOC 在成人生长抑素受体表达的肺部、嗜铬细胞瘤、副神经节瘤、原发不明和胸腺神经内分泌肿瘤或任何其他非 GEP-NET 受试者中的安全性和有效性。治疗方案将包括 4 剂 200（±10%）mCi 177Lu-DOTATOC，以 8±1 周的间隔给药。
【主题与分类】
主题标签：Pulmonary Neuroendocrine Neoplasm、Pheochromocytoma、Paraganglioma、Thymus Carcinoid、Unknown Primary Tumors、Neuroendocrine Tumors、Neuroendocrine Skin Carcinoma、Neuroendocrine Breast Tumor、Neuroendocrine Carcinoma Metastatic、Neuroendocrine Neoplasm of Ovary。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04276597
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/NCT04276597
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：肺神经内分泌肿瘤、嗜铬细胞瘤、副神经节瘤、胸腺类癌、原发灶不明肿瘤、神经内分泌肿瘤、神经内分泌皮肤癌、神经内分泌乳腺肿瘤。确定Lu-177 DOTATOC在表达生长抑素受体的肺部、嗜铬细胞瘤、副神经节瘤、原发灶不明及胸腺神经内分泌肿瘤或任何其他非胃肠胰神经内分泌肿瘤（non-GEP-NET）的成年受试者中的安全性和有效性。治疗方案将包括4剂200（±10%）mCi的177Lu-DOTATOC，以8±1周的间隔给药。
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。
