慢性癌症治疗生活体验(LONGEVITI)研究

该数据集来自 clinicaltrials.gov,聚焦慢性癌症治疗下的患者生活体验,覆盖乳腺癌、黑色素瘤、多发性骨髓瘤、慢性白血病、前列腺癌、卵巢癌、结直肠癌、肺癌及酪氨酸激酶突变等病种

University of AlbertaUniversity of Alberta
clinicaltrials
浏览 4
视频分类CancerTyrosine Kinase MutationBreast CancerMelanomaMultiple MyelomaChronic LeukemiaProstate CancerOvarian CancerColorectal CancerLung Cancer
LIVInG With chrONic Cancer TrEatments (LONGEVITI) Study

基本信息

模态
视频
任务类型
分类
创建/更新时间
2026-10-11

资源简介

慢性癌症治疗生活体验(LONGEVITI)研究

该数据集来自 clinicaltrials.gov,聚焦慢性癌症治疗下的患者生活体验,覆盖乳腺癌、黑色素瘤、多发性骨髓瘤、慢性白血病、前列腺癌、卵巢癌、结直肠癌、肺癌及酪氨酸激酶突变等病种。参与者将通过面对面、电话或电脑视频方式接受研究者访谈,讲述接受靶向抗癌治疗的经历,并在随后3个月内思考这些治疗如何影响日常生活,并创作隐喻作品,形式可包括视觉、语言、音乐或其他表达方式。数据可用于分析患者体验、治疗影响及隐喻表达等主题(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:癌症、酪氨酸激酶突变、乳腺癌、黑色素瘤、多发性骨髓瘤、慢性白血病、前列腺癌、卵巢癌。参与者将安排与研究人员进行面对面、电话或电脑视频访谈。他们将被询问接受靶向抗癌治疗的经历。随后在接下来的3个月里,参与者将被要求思考接受这些癌症治疗如何影响日常生活,并创作一个“隐喻”。隐喻可以采用视觉、言语、音乐或其他任何参与者认为能够表达并生动呈现其经历的混合形式。

【主题与分类】

主题标签:Cancer、Tyrosine Kinase Mutation、Breast Cancer、Melanoma、Multiple Myeloma、Chronic Leukemia、Prostate Cancer、Ovarian Cancer、Colorectal Cancer、Lung Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05645510

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05645510

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:癌症、酪氨酸激酶突变、乳腺癌、黑色素瘤、多发性骨髓瘤、慢性白血病、前列腺癌、卵巢癌。参与者将安排与研究人员进行面对面、电话或电脑视频访谈。他们将被询问接受靶向抗癌治疗的经历。随后在接下来的3个月里,参与者将被要求思考接受这些癌症治疗如何影响日常生活,并创作一个“隐喻”。隐喻可以采用视觉、言语、音乐或其他任何参与者认为能够表达并生动呈现其经历的混合形式。

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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。