中枢/非中枢神经系统癌症记忆感知评估

研究对象包括胶质母细胞瘤、胶质瘤、乳腺癌患者及健康对照。旨在确定脑内肿瘤(胶质母细胞瘤和弥漫性低级别胶质瘤)与脑外肿瘤(乳腺癌)患者主观记忆抱怨的性质(前瞻性或回顾性记忆),并与对照比较

Institut du Cancer de Montpellier - Val d'AurelleInstitut du Cancer de Montpellier - Val d'Aurelle
clinicaltrials
浏览 29
音频分类GlioblastomaGliomaBreast CancerHealthy
Memory Perception Assessment in Central/Non-central Nervous System Cancers

基本信息

模态
音频
任务类型
分类
创建/更新时间
2026-10-01

资源简介

中枢/非中枢神经系统癌症记忆感知评估

研究对象包括胶质母细胞瘤、胶质瘤、乳腺癌患者及健康对照。旨在确定脑内肿瘤(胶质母细胞瘤和弥漫性低级别胶质瘤)与脑外肿瘤(乳腺癌)患者主观记忆抱怨的性质(前瞻性或回顾性记忆),并与对照比较。方案约20分钟,由各中心经验丰富的临床神经心理学家或临床肿瘤学家在标准诊疗中进行。根据问卷和测试结果,患者将由神经心理学家、临床心理学家、精神科医生或言语治疗师处理和管理(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:胶质母细胞瘤、胶质瘤、乳腺癌、健康对照。主要目的:本研究旨在确定伴有脑内肿瘤(胶质母细胞瘤和弥漫性低级别胶质瘤)和脑外肿瘤(乳腺癌)的癌症患者与对照者相比,其主观记忆主诉的性质(即前瞻性记忆还是回顾性记忆)。该方案的实施将耗时约20分钟。将在常规诊疗期间由各中心经验丰富的临床神经心理学家或临床肿瘤学家执行。根据问卷和测试的结果,患者将被转介给神经心理学家、临床心理学家、精神科医生或言语治疗师,并由其进行管理。

【主题与分类】

主题标签:Glioblastoma、Glioma、Breast Cancer、Healthy。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03975959

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03975959

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:胶质母细胞瘤、胶质瘤、乳腺癌、健康对照。主要目的:本研究旨在确定伴有脑内肿瘤(胶质母细胞瘤和弥漫性低级别胶质瘤)和脑外肿瘤(乳腺癌)的癌症患者与对照者相比,其主观记忆主诉的性质(即前瞻性记忆还是回顾性记忆)。该方案的实施将耗时约20分钟。将在常规诊疗期间由各中心经验丰富的临床神经心理学家或临床肿瘤学家执行。根据问卷和测试的结果,患者将被转介给神经心理学家、临床心理学家、精神科医生或言语治疗师,并由其进行管理。

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。

获取专属数据定制方案