拓扑替康、G-CSF与放疗治疗新诊断脑干胶质瘤年轻患者
该数据集来自clinicaltrials.gov,聚焦新诊断恶性内在性脑桥脑干胶质瘤年轻患者,研究拓扑替康联合非格司亭(G-CSF)与放疗的方案

基本信息
资源简介
拓扑替康、G-CSF与放疗治疗新诊断脑干胶质瘤年轻患者
该数据集来自clinicaltrials.gov,聚焦新诊断恶性内在性脑桥脑干胶质瘤年轻患者,研究拓扑替康联合非格司亭(G-CSF)与放疗的方案。I期部分评估在既往I期研究确定的最大耐受剂量基础上将拓扑替康剂量提高25-50%的可行性及剂量限制性毒性;II期部分评估该方案在I期确定的最大耐受剂量下的1年无事件生存率、总生存率及毒性,次要目标为药代动力学。数据可用于治疗方案可行性、毒性反应与生存预后的分析预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑肿瘤、中枢神经系统肿瘤。目的:主要 确定拓扑替康与非格司亭(G-CSF)和放疗联合给药时,在既往I期研究确定的最大耐受剂量(MTD)基础上将拓扑替康剂量提高25-50%的可行性,研究对象为新诊断恶性内在性脑桥脑干胶质瘤年轻患者。(I期) 确定拓扑替康在这些患者中的剂量限制性毒性效应。(I期) 确定接受该方案(在I期确定的拓扑替康MTD下)治疗患者的1年无事件生存率和总生存率。(II期) 确定该方案在这些患者中的毒性。(II期)次要 * 确定该方案在这些患者中的药代动力学。概要:这是一项多中心、I期、拓扑替康剂量递增研究,随后
【主题与分类】
主题标签:Brain Tumors、Central Nervous System Tumors。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00107471
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/NCT00107471
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:脑肿瘤、中枢神经系统肿瘤。目的:主要* 确定在初诊为恶性内在性脑桥脑干胶质瘤的年轻患者中,将拓扑替康与非格司亭(G-CSF)及放疗联合给药时,剂量递增的可行性,即能否将拓扑替康剂量增加至先前I期研究中确定的最大耐受剂量(MTD)的25-50%以上。(I期)* 确定拓扑替康在这些患者中的剂量限制性毒性效应。(I期)* 确定接受此方案治疗(在I期确定的拓扑替康MTD下)的患者的1年无事件生存率和总生存率。(II期)* 确定此方案在这些患者中的毒性。(II期)次要* 确定此方案在这些患者中的药代动力学。大纲:这是一项多中心、I期、拓扑替康剂量递增研究,随后进行II期研究。* I期:患者接受30分钟静脉输注拓扑替康,随后每日一次放疗,每周5天,持续6-7周。在放化疗期间,患者还根据需要每日静脉或皮下注射非格司亭(G-CSF),直至血细胞计数恢复。
在没有疾病进展或不可接受的毒性的情况下继续治疗。3-6名患者组成的队列接受递增剂量的拓扑替康,直至确定最大耐受剂量(MTD)。MTD定义为6名患者中有2名出现剂量限制性毒性之前的剂量。* II期:患者接受拓扑替康(按I期确定的MTD)、G-CSF和放疗,同I期。研究治疗完成后,患者在2周内随访,之后每3个月随访1.5年,每6个月随访1.5年,此后每年随访一次,直至疾病复发。预计入组:本研究将在约3年内共入组3-72名患者(I期3-12名,II期60名)。
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。




