放疗或联合化疗治疗临床或影像学进展性低级别胶质瘤患者
该数据集来自 clinicaltrials.gov,聚焦于原发中枢神经系统肿瘤中的低级别胶质瘤,覆盖所有肿瘤位置和组织学类型的儿童及青少年患者

基本信息
资源简介
放疗或联合化疗治疗临床或影像学进展性低级别胶质瘤患者
该数据集来自 clinicaltrials.gov,聚焦于原发中枢神经系统肿瘤中的低级别胶质瘤,覆盖所有肿瘤位置和组织学类型的儿童及青少年患者。数据涉及放疗与化疗两种治疗策略,包括针对无NF1及伴NF1患者的标准化治疗指征与建议,并评估总生存期、无事件生存期和无进展生存期。放疗部分关注现代技术下的无进展生存及晚期效应降低,化疗部分关注年幼患者的无进展生存。可用于脑肿瘤治疗策略与生存结局相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:原发性中枢神经系统肿瘤。目标: 为所有肿瘤位置和组织学类型的儿童和青少年低级别胶质瘤提供全面的治疗策略。 为诊断时或观察后不伴及伴有神经纤维瘤病1型(NF1)的儿童和青少年低级别胶质瘤提供标准化的非手术治疗指征和治疗建议。 确定总生存期、无事件生存期和无进展生存期。 放疗组:a. 确定使用现代规划和治疗技术对不伴NF1的较大儿童进行放疗的无进展生存期。b. 通过优化规划和治疗,确定对危及器官可能产生的治疗晚期效应的发生率和强度的降低。* 化疗组:a. 确定年幼儿童的无进展生存期
【主题与分类】
主题标签:Primary Central Nervous System Neoplasms。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00276640
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/NCT00276640
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
条件:原发性中枢神经系统肿瘤。
目标:
- 为所有肿瘤位置和组织学类型的低级别胶质瘤儿童和青少年提供全面的治疗策略。
- 为诊断时或观察后未伴有及伴有神经纤维瘤病1型(NF1)的低级别胶质瘤儿童和青少年提供标准化的非手术治疗指征和治疗建议。
- 确定总生存期、无事件生存期和无进展生存期。
- 放疗组:
a. 确定使用现代规划和治疗技术对未伴有NF1的年龄较大儿童进行放疗的无进展生存期。
b. 通过优化规划和治疗,确定减少对危及器官可能产生的治疗晚期效应的发生率和强度。 - 化疗组:
a. 确定接受化疗并随机分配至两药或三药诱导方案的未伴有NF1的年龄较小儿童的无进展生存期。
b.
确定无NF1的较年幼儿童接受化疗并在2药或3药诱导方案中随机分组后第24周(诱导后)的缓解分布。c. 确定接受化疗的NF1患儿的无进展生存期。* 确定临床和组织学发现对这些患者总生存期、无进展生存期和无事件生存期的影响。* 前瞻性确定这些患者肿瘤及治疗的远期效应。大纲:这是一项部分随机、开放标签、多中心研究。完全切除肿瘤、不完全切除肿瘤的儿童,或经临床/神经影像学诊断的肿瘤患儿,若诊断时无严重症状,仅在随访期间观察。不可切除/不完全可切除肿瘤的患儿,或复发疾病患儿,以及在初始不完全切除或神经影像学诊断后接受观察并出现临床和/或神经影像学进展的患儿,接受非手术
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。




