质子治疗研究基础设施-ProTRAIT-神经肿瘤学
该数据集来自 clinicaltrials.gov,聚焦质子治疗在神经肿瘤学中的应用,覆盖星形细胞瘤、室管膜瘤、神经节胶质瘤、少突胶质细胞瘤、视神经胶质瘤、脑膜瘤、神经鞘肿瘤、腺瘤等病种

基本信息
资源简介
质子治疗研究基础设施-ProTRAIT-神经肿瘤学
该数据集来自 clinicaltrials.gov,聚焦质子治疗在神经肿瘤学中的应用,覆盖星形细胞瘤、室管膜瘤、神经节胶质瘤、少突胶质细胞瘤、视神经胶质瘤、脑膜瘤、神经鞘肿瘤、腺瘤等病种。荷兰自2018年起开展首批质子治疗,利用质子的物理特性降低肿瘤周围健康组织的辐射剂量,从而减少辐射并发症与继发肿瘤。数据集涉及基于模型的选例方法(MBA),通过治疗前in-silico计划研究,比较质子与光子治疗计划,判断相关危及器官剂量是否存在显著差异,可用于质子治疗患者筛选与辐射并发症预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:星形细胞瘤、室管膜瘤、神经节胶质瘤、少突胶质细胞瘤、视神经胶质瘤、脑膜瘤、神经鞘肿瘤、腺瘤。荷兰的首批质子治疗于2018年开展。由于质子的物理特性,质子治疗在降低对健康、肿瘤周围组织的辐射剂量方面具有巨大潜力。这反过来又导致更少的辐射诱发并发症,并减少继发肿瘤的形成。荷兰率先开发了基于模型的方法(MBA),用于在预防辐射诱发并发症时选择质子治疗患者。在MBA中,进行一项治疗前in-silico计划研究,比较每位患者个体的质子与光子治疗计划,以确定(1)相关危及器官中的剂量是否存在显著差异
【主题与分类】
主题标签:Astrocytoma、Ependymoma、Ganglioglioma、Oligodendroglioma、Optic Nerve Glioma、Meningioma、Nerve Sheath Neoplasms、Adenoma、Craniopharyngioma、Hemangiopericytoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04648462
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/NCT04648462
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:星形细胞瘤、室管膜瘤、神经节胶质瘤、少突胶质细胞瘤、视神经胶质瘤、脑膜瘤、神经鞘肿瘤、腺瘤。荷兰的首批质子治疗于2018年实施。由于质子的物理特性,质子治疗在降低健康、肿瘤周围组织的辐射剂量方面具有巨大潜力。这反过来减少了辐射引起的并发症,并降低了继发性肿瘤的形成。荷兰率先开发了基于模型的方法(MBA),用于选择适合接受质子治疗以预防辐射诱发并发症的患者。在MBA中,进行一项治疗前的计算机模拟计划研究,比较每位患者个体的质子和光子治疗计划,以确定(1)危及器官的剂量是否存在显著差异(ΔDose),以及(2)这种剂量差异是否转化为正常组织并发症概率(ΔNTCP)方面的预期临床获益。
为了将ΔDose转化为ΔNTCP,需采用NTCP模型,这些预测模型描述了剂量参数与放射诱发并发症可能性之间的关系。荷兰放射治疗与肿瘤学会(NVRO)于2015年制定了质子治疗的选择标准,其中考虑了毒性和NTCP。然而,NTCP模型可能受到照射技术变化的影响。因此,持续更新并验证这些NTCP模型,使之适应后续采用新技术的患者队列,至关重要。在ProTRAIT项目中,一个面向临床及三维图像和三维剂量信息的可发现、可访问、可互操作和可重用(FAIR)数据基础设施已在荷兰质子治疗中开发并部署。它能够前瞻性地收集来自所有荷兰质子治疗患者及一组具有代表性的光子治疗患者的标准化多中心数据。
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。




