预测放射性神经认知衰退的系统性生物标志物

数据集获取

源站：https://clinicaltrials.gov/study/NCT06779487

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病类型：脑肿瘤、髓母细胞瘤、胶质瘤、室管膜瘤。要求在研究开始放疗前采集约13ml外周血样本（如有术前血样则一并采集）。除该基线样本外，在分次放疗期间每周采集血样（每周3ml外周血，持续6-7周），放疗结束后1个月再采集一次，并在随访期间定期（每6-12个月）采集（约13ml血液）。生物标志物和炎症检测组合将使用多重检测试剂盒进行检测。系列血液神经炎症标志物（包括IL-6、IL-1β、IL-4、IL-10、IL-11、IL-12、TNF-α、IFN-ϒ、GM-CSF、YKL-40、TGB-β、CCL8、ApoJ、ApoE或ApoA蛋白，以及额外的神经元标志物如Aβ-42、Aβ-40、BDNF、pNF-H、tau）、DNA损伤标志物如p53结合蛋白1、H2A家族γ组蛋白（g-H2AX）、细胞活化和损伤标志物如血管内皮生长因子（VEGF）、血管细胞黏附分子、细胞间黏附分子1（ICAM-1）。血浆样本将采用基于流式细胞术的微珠检测法进行处理。

该方法最适合用于我们的炎症因子panel检测，因为它在免疫学和临床研究中至关重要，能够从有限的样本体积中同时评估多种细胞因子，提供各种条件下（如炎症）免疫反应的综合图谱。这将为我们在收集的有限样本数量下提供高灵敏度、高特异性和高效率。该方法被认为是生物标志物发现、疾病监测和理解复杂免疫反应的有力工具。在该检测中，通过微珠阵列方法进行的细胞因子多重检测涉及在单一样本中同时检测和定量多种细胞因子。要执行该技术，微球或微珠将包被有针对不同细胞因子的特异性捕获抗体。这些微珠随后将

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。