替莫唑胺联合拓扑替康治疗难治性和复发性儿童实体瘤研究
该数据集来自 clinicaltrials.gov,聚焦替莫唑胺联合拓扑替康在难治性和复发性儿童实体瘤中的研究,涵盖神经母细胞瘤、脑肿瘤及实体瘤

基本信息
资源简介
替莫唑胺联合拓扑替康治疗难治性和复发性儿童实体瘤研究
该数据集来自 clinicaltrials.gov,聚焦替莫唑胺联合拓扑替康在难治性和复发性儿童实体瘤中的研究,涵盖神经母细胞瘤、脑肿瘤及实体瘤。源站描述指出,儿童恶性实体瘤现有治疗以化疗、手术和部分病例的放疗为主,总体治愈率约70%,但癌症仍是1至19岁儿童和青少年疾病相关死亡的首位原因,转移性神经母细胞瘤、软组织和骨肉瘤及脑肿瘤预后较差。该数据可用于了解相关研究背景与疾病范围(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:神经母细胞瘤、脑肿瘤、实体瘤。目前针对儿童恶性实体瘤的治疗包括化疗、手术以及在某些情况下的放疗。这种多学科方法使总体治愈率约为70%。然而,癌症仍是1至19岁儿童和青少年疾病相关死亡的首位原因。这是由于预后较差的疾病,如转移性神经母细胞瘤、软组织和骨肉瘤以及脑肿瘤。必须找到新的有效治疗方法,以继续提高接受癌症治疗的儿童和青少年的治愈率,并改善治愈患者的生活质量。神经母细胞瘤(NB)是一种来源于原始神经嵴细胞的儿童恶性肿瘤。该肿瘤占所有癌症的8%至10%,中位年龄为
【主题与分类】
主题标签:Neuroblastoma、Brain Tumors、Solid Tumors。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00918320
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/NCT00918320
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:神经母细胞瘤、脑肿瘤、实体瘤。目前针对儿童恶性实体瘤的治疗包括化疗、手术以及在某些情况下的放疗相结合。这种多学科治疗方法使总体治愈率达到约70%。然而,癌症死亡率仍然是1至19岁儿童和青少年疾病相关死亡的首要原因。这是由于预后不良的疾病所致,如转移性神经母细胞瘤、软组织和骨肉瘤以及脑肿瘤。必须寻找新的有效治疗方法,以继续提高接受癌症治疗的儿童和青少年的治愈率,并改善治愈患者的生活质量。神经母细胞瘤(NB)是一种来源于原始神经嵴细胞的儿童恶性肿瘤。该肿瘤占所有癌症的8%至10%,中位发病年龄为22个月。原发肿瘤可能位于不同的解剖部位,如腹部(65%)、胸部(19%)、骨盆(2%)和宫颈(1%)。最强的预后因素是年龄和分期。
局限性神经母细胞瘤及婴儿期发病者,在生物学特征良好时生存率可达90%。相反,若存在Myc-N扩增,常规治疗后生存率约为30%,强化治疗后约为70%。超过50%的患者在诊断时已存在播散性肿瘤,而1岁以上患者的4期神经母细胞瘤是最常见的类型。神经母细胞瘤是对化疗敏感的肿瘤。对于大体积原发肿瘤,化疗适用于缩小肿瘤体积、尝试安全手术切除,以及在播散性神经母细胞瘤中根除肿瘤转移灶。最常用的药物包括烷化剂和铂类药物(环磷酰胺、美法仑、顺铂、卡铂)、拓扑异构酶II抑制剂(多柔比星、依托泊苷)以及长春花生物碱类(长春新碱)。以大剂量化疗(白消安、美法仑、卡铂、依托泊苷)联合自体骨髓干细胞支持作为巩固治疗。
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。




