大体积脑转移瘤术前与术后大分割放射外科治疗
该数据集来自 clinicaltrials.gov,聚焦成人脑转移瘤患者中直径≥2.1 cm的大体积病灶,比较术前与术后大分割放射外科的治疗策略

基本信息
资源简介
大体积脑转移瘤术前与术后大分割放射外科治疗
该数据集来自 clinicaltrials.gov,聚焦成人脑转移瘤患者中直径≥2.1 cm的大体积病灶,比较术前与术后大分割放射外科的治疗策略。源站描述指出,单次剂量SRS按RTOG 90-05指南的局部控制率仅45-49%,而单纯手术仅能控制约50%的肿瘤,需辅助放疗。数据可用于评估不同治疗时序对局部控制等结局的影响,支持临床决策与预后建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:脑转移瘤,成人。脑转移瘤(BMs)的发生是一个巨大且具有挑战性的问题,影响约20-40%的实体原发肿瘤患者。其中,约25%的患者存在大体积脑转移瘤,定义为≥2.1 cm。使用放射治疗肿瘤学组(RTOG)90-05研究建议的剂量指南进行单次剂量立体定向放射外科(SRS),获得的局部控制(LC)率不理想,范围为45-49%。在这一患者亚群中,已研究了其他治疗路径。20世纪90年代,Patchell及其同事确定,功能状态良好且存在孤立颅内转移的患者应接受手术切除。遗憾的是,单纯手术仅能控制50%患者的肿瘤,需要辅助放射治疗(RT)。多年来,辅助全脑放射治疗(WBRT)一直被认为是标准治疗方法,但高
【主题与分类】
主题标签:Brain Metastases, Adult。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05545007
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/NCT05545007
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:脑转移瘤,成人。脑转移瘤的发生是一个巨大且具有挑战性的问题,影响约20-40%的实体原发肿瘤患者。其中,约25%的患者存在大体积脑转移瘤,定义为≥2.1 cm。采用放射治疗肿瘤学组(RTOG)90-05研究建议的剂量指南进行单次立体定向放射外科(SRS),获得的局部控制(LC)率不理想,范围为45-49%。在这一患者亚群中,已研究了其他治疗途径。20世纪90年代,Patchell及其同事确定,功能状态良好且为单发颅内转移的患者应接受手术切除。遗憾的是,单纯手术仅能控制50%患者的肿瘤,需要辅助放射治疗(RT)。多年来,辅助全脑放射治疗(WBRT)一直被认为是标准治疗方法,但记录了神经系统功能受损的高风险,且对生存无实际获益。为减少神经毒性并保持相同的脑肿瘤控制效果,已探索了不同的RT方法。
近期随机试验显示,对瘤床进行单次SRS可能是WBRT的一种有效且毒性更低的替代方案,尽管在治疗较大手术腔时观察到放射性坏死(RN)风险增加。近年来,大分割立体定向放射外科(HSRS)引起了越来越多的关注。其目标是与单次SRS相比降低RN风险,同时提供相似甚至可能更好的LC,这可能与使用SRS治疗较大病灶时需要降低处方剂量有关。然而,越来越多的证据表明,接受术后SRS的患者相比术后WBRT作为标准治疗时观察到的结果,其软脑膜疾病(LMD)发生率有所增加。多项回顾性研究已证明,在术后SRS背景下,LMD发生率高达31%。这种增加所提出的机制
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。




