儿童脑肿瘤FLaME认知康复研究
该数据集来自 clinicaltrials.gov,聚焦儿童脑肿瘤治疗后的认知康复问题。源站描述指出,近几十年来儿童脑肿瘤治疗进展显著降低了死亡率,但肿瘤本身及治疗对患儿认知能力造成显著影响,高达100%接受治疗的患儿会出现不同程度的认知困难,常涉及记忆、注意力和加工速度等多方面,并随时间推移出现或

基本信息
资源简介
儿童脑肿瘤FLaME认知康复研究
该数据集来自 clinicaltrials.gov,聚焦儿童脑肿瘤治疗后的认知康复问题。源站描述指出,近几十年来儿童脑肿瘤治疗进展显著降低了死亡率,但肿瘤本身及治疗对患儿认知能力造成显著影响,高达100%接受治疗的患儿会出现不同程度的认知困难,常涉及记忆、注意力和加工速度等多方面,并随时间推移出现或加重,称为晚期效应,严重影响生活质量、心理健康、教育机会、学业与职业成就及独立成人进程。数据可用于认知康复相关研究与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:儿童脑肿瘤、儿童脑部肿瘤、儿科脑肿瘤、儿科脑部肿瘤。近几十年来,儿童脑肿瘤的治疗进展大幅改善了死亡率,但代价是患儿的认知能力受到显著损害,同时还有肿瘤本身的影响。高达100%接受脑肿瘤治疗的儿童会经历某种程度的认知困难,尽管大多数患儿在确诊前已达到典型认知发育水平。在大多数情况下,患儿会经历多种认知困难(例如记忆、注意力和加工速度方面),严重影响生活质量、心理健康、教育机会、学业和职业成就,以及向独立成人迈进的进程。这些认知困难往往随时间出现并变得更加严重(称为“晚期效应”)。这些di
【主题与分类】
主题标签:Childhood Brain Tumor、Childhood Brain Tumors、Pediatric Brain Neoplasms、Pediatric Brain Tumor。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06770335
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/NCT06770335
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:儿童脑肿瘤、儿童脑肿瘤、儿童脑肿瘤、儿童脑肿瘤。近几十年来,儿童脑肿瘤治疗的进步大幅降低了死亡率,但却以患儿认知能力受损为显著代价,同时还要承受肿瘤本身带来的影响。接受脑肿瘤治疗的儿童中,高达100%会出现某种程度的认知困难,尽管大多数患儿在确诊前认知发育已达到典型水平。在大多数情况下,患儿会经历多种认知困难(例如记忆、注意力和加工速度方面),严重影响生活质量、心理健康、受教育机会、学业和职业成就,以及迈向独立成年人的进程。这些认知困难往往随时间推移而出现并加重(称为“远期效应”)。研究已频繁发现这些困难,并促使国家儿童脑肿瘤指南(如NICE,2005)高度重视神经康复的必要性。
旨在解决认知困难并支持儿童尽可能恢复其发展轨迹的干预措施显然至关重要。然而,近期证据表明,神经康复的建议很少得到落实,认知康复几乎完全不可获得。对国家级指南的依从性不佳,加之针对接受脑肿瘤治疗的儿童的认知康复干预研究极为有限,使这一问题更加复杂。已尝试的少数干预措施在实施可行性方面也较差(例如完成率低),且患者和家庭的接受度较低。认知康复干预通常涉及以下两种方式之一:1)“密集重复训练式”的认知训练任务练习(有时称为“大脑训练”),即个体在多次训练中重复某项认知训练练习,例如记忆一组圆点;2)基于策略的方法,即教授优化认知的策略(例如记忆技巧
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




