复发性儿童脑肿瘤的光动力治疗(PDT)
该数据集来自 clinicaltrials.gov,聚焦复发性儿童脑肿瘤的光动力治疗(PDT)。源站描述指出,该方案旨在评估一种新的 PDT 改良方法,可能革新儿童和成人脑肿瘤的治疗

基本信息
资源简介
复发性儿童脑肿瘤的光动力治疗(PDT)
该数据集来自 clinicaltrials.gov,聚焦复发性儿童脑肿瘤的光动力治疗(PDT)。源站描述指出,该方案旨在评估一种新的 PDT 改良方法,可能革新儿童和成人脑肿瘤的治疗。目前关于幕下(后颅窝)脑肿瘤、尤其是儿童病例的 PDT 应用发表案例很少。研究者拟在美国首次测试一种技术,该技术在澳大利亚成人胶质母细胞瘤患者中显示出显著的长期生存率:间变性星形细胞瘤 57%、多形性胶质母细胞瘤 37%。这些结果在其他治疗方案中前所未有。PDT 是对传统切除和全身化疗方法的范式转变,其原理是光介导激活(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发性脑肿瘤。本提案的目标是评估一种新的光动力治疗(PDT)改良方法,该方法可能革新儿童和成人脑肿瘤的治疗。目前,关于幕下(后颅窝)脑肿瘤、特别是儿童中发生的此类肿瘤,使用 PDT 的已发表案例很少。研究者拟在美国首次测试一种技术,该技术在澳大利亚成人胶质母细胞瘤患者中显示出显著的长期生存率:间变性星形细胞瘤 57%、多形性胶质母细胞瘤 37%。这些结果在任何其他治疗方案中都是前所未有的。光动力治疗(PDT)是对肿瘤治疗从传统切除和全身化疗方法的范式转变。光动力治疗背后的原理是光介导激活
【主题与分类】
主题标签:Brain Tumor, Recurrent。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01682746
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/NCT01682746
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:复发性脑肿瘤。本提案的目标是评估一种新的光动力疗法(PDT)改良方案,该方案可能彻底改变儿童和成人脑肿瘤的治疗。目前,关于PDT用于幕下(后颅窝)脑肿瘤,尤其是儿童患者的病例报道很少。研究者拟在美国首次测试一种技术,该技术在澳大利亚成人胶质母细胞瘤患者中显示出显著的长期生存率,分别为57%(间变性星形细胞瘤)和37%(多形性胶质母细胞瘤)。这些结果在任何其他治疗方案中都是前所未有的。光动力疗法(PDT)是肿瘤治疗从传统切除和全身化疗方法的一种范式转变。光动力疗法的原理是光介导激活一种选择性积聚在靶组织中的光敏剂,通过产生单线态氧导致肿瘤细胞破坏。因此,光敏剂被认为是PDT过程中的第一个关键要素,而激活过程是第二步。
本提案所采用的方法学,相较于美国既往针对脑肿瘤患者的PDT方案,使用了更高强度的激光和更大剂量的Photofrin光敏剂。PDT将包括以630 nm波长进行光照射,从肿瘤切除腔中心开始,传递总能量为240 J cm-2。研究者认为,光线应能穿透足够深的组织以到达迁移的肿瘤细胞,并在不损伤分散于其中的健康细胞的情况下将其破坏。研究者将检验以下假设:接受PDT治疗的进展性/复发性恶性脑肿瘤儿科受试者,若使用比我们既往临床研究更高剂量的Photofrin®和光能,将表现出更好的无进展生存期(PFS)和总生存期(OS)结局。
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。




