克唑替尼与达沙替尼联合治疗儿童弥漫性脑桥胶质瘤和高级别胶质瘤研究
该数据集来自 clinicaltrials.gov,聚焦儿童弥漫性脑桥胶质瘤(DIPG)和高别级胶质瘤(HGG)患者,研究克唑替尼与达沙替尼联合用药的剂量递增方案

基本信息
资源简介
克唑替尼与达沙替尼联合治疗儿童弥漫性脑桥胶质瘤和高级别胶质瘤研究
该数据集来自 clinicaltrials.gov,聚焦儿童弥漫性脑桥胶质瘤(DIPG)和高别级胶质瘤(HGG)患者,研究克唑替尼与达沙替尼联合用药的剂量递增方案。采用 Rolling 6 设计估计最大耐受剂量(MTD)并确定剂量限制性毒性(DLT),涉及 stratum A 和 stratum B 两个分层。数据可用于分析联合用药的安全性、耐受性及剂量探索,支持儿科脑肿瘤治疗方案的预测与评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:弥漫性内生性脑桥胶质瘤、高级别胶质瘤。将采用 Rolling 6 设计来估计最大耐受剂量(MTD)并确定克唑替尼和达沙替尼递增剂量联合用药的剂量限制性毒性(DLT)。我们的目标是同时招募 stratum A 和 stratum B 的研究参与者。然而,我们预计 stratum B 的研究参与者招募速度会较慢。因此,最初剂量递增策略将完全基于在 stratum A 接受治疗的研究参与者,直到达到该联合用药的 MTD。在 stratum A 的研究参与者达到该联合用药的 MTD 之前,将允许 stratum B 的研究参与者在已被认为安全的最高剂量水平(即三名研究参与者中无 DLT 或六名研究参与者中 ≤ 1 例 DLT)进行招募。
【主题与分类】
主题标签:Diffuse Intrinsic Pontine Glioma、High-grade Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01644773
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/NCT01644773
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:弥漫性内生性脑桥胶质瘤、高级别胶质瘤。将采用Rolling 6设计来估计最大耐受剂量(MTD),并确定克唑替尼和达沙替尼递增剂量联合用药的剂量限制性毒性(DLT)。我们的目标是同时招募A组和B组的研究参与者。然而,我们预计B组研究参与者的招募进度会较慢。因此,最初剂量递增策略将完全基于在A组接受治疗的研究参与者,直至达到该联合用药的MTD。在A组研究参与者达到该联合用药的MTD之前,B组研究参与者将被允许在已被认为安全的最高剂量水平(即三名研究参与者中无DLT或六名研究参与者中≤1例DLT)进行招募。在A组至少确认一个剂量水平安全之前,不会向B组招募任何研究参与者。
一旦达到A层的MTD,我们将按照Rolling 6设计的规则,以相同的剂量水平在B层招募研究参与者。如果A层的MTD在B层研究参与者中耐受良好,我们将基于Rolling 6设计的相同规则,对B层研究参与者进行剂量递增。该策略基于这样一个前提:既往接受过更大量治疗的研究参与者(A层)可能不如既往治疗较少的研究参与者(B层)那样能够良好耐受治疗。主要目标:* 评估克唑替尼(c-Met和ALK抑制剂)与达沙替尼(bcr-abl、PDGFRA和B、src、lck、yes和c-kit抑制剂)联合用药在复发或进展性DIPG及其他HGG儿科研究参与者(A层)中的MTD。* 评估克唑替尼与达沙替尼联合用药在入组前不久完成放疗的DIPG或HGG研究参与者中的MTD
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。




