光动力疗法治疗皮肤癌或皮肤转移性实体瘤
该数据集来自 clinicaltrials.gov,收录一项关于光动力疗法治疗皮肤癌或皮肤转移性实体瘤的临床试验信息。覆盖乳腺癌、头颈癌、淋巴瘤、转移性癌症、非黑色素瘤皮肤癌和肉瘤等病种

基本信息
资源简介
光动力疗法治疗皮肤癌或皮肤转移性实体瘤
该数据集来自 clinicaltrials.gov,收录一项关于光动力疗法治疗皮肤癌或皮肤转移性实体瘤的临床试验信息。覆盖乳腺癌、头颈癌、淋巴瘤、转移性癌症、非黑色素瘤皮肤癌和肉瘤等病种。研究目的是确定硅酞菁4(Pc 4)联合固定剂量光照的最大耐受剂量、光照联合固定剂量研究药物的最大耐受剂量、Pc 4 的药代动力学以及临床抗肿瘤反应。该数据可用于了解剂量递增研究设计及相关肿瘤适应症(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺癌、头颈癌、淋巴瘤、转移性癌症、非黑色素瘤皮肤癌、肉瘤。目的: 确定晚期皮肤恶性肿瘤患者中硅酞菁4(Pc 4)与固定剂量光照联合给药时的最大耐受剂量(MTD)。 确定这些患者中光照与研究药物固定剂量联合给药时的MTD。 确定这些患者中Pc 4的药代动力学。 确定接受该方案治疗患者的临床抗肿瘤反应。大纲:这是一项剂量递增研究。患者在第1天接受硅酞菁4(Pc 4)静脉注射,持续2小时,随后在第2天接受30-60分钟的光照治疗。在无疾病进展或不可接受毒性情况下,治疗每6周重复一次,共2个疗程。3-6名患者组成的队列接受递增剂量的Pc 4和
【主题与分类】
主题标签:Breast Cancer、Head and Neck Cancer、Lymphoma、Metastatic Cancer、Non-melanomatous Skin Cancer、Sarcoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00023790
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/NCT00023790
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
适应症:乳腺癌、头颈部癌、淋巴瘤、转移性癌症、非黑色素瘤性皮肤癌、肉瘤。
研究目的:
- 确定在晚期皮肤恶性肿瘤患者中,硅酞菁4(Pc 4)联合固定剂量光照给药时的最大耐受剂量(MTD)。
- 确定在这些患者中,光照联合固定剂量研究药物给药时的MTD。
- 确定Pc 4在这些患者中的药代动力学特征。
- 确定接受该方案治疗患者的临床抗肿瘤反应。
方案概要:这是一项剂量递增研究。患者在第1天接受硅酞菁4(Pc 4)静脉给药,输注时间超过2小时,随后在第2天接受30-60分钟的光照治疗。若无疾病进展或不可接受的毒性,治疗每6周重复一次,共2个疗程。3-6例患者组成的队列接受递增剂量的Pc 4和固定剂量的光照,直至确定Pc 4的最大耐受剂量(MTD)。MTD定义为6例患者中有2例出现剂量限制性毒性时所对应的前一个剂量水平。
一旦确定Pc 4的最大耐受剂量(MTD),将以固定剂量的Pc 4(低于MTD两个剂量水平)治疗更多患者,并逐渐增加光照剂量直至确定MTD。光照的MTD定义同上。患者在6周时(若下肢治疗病灶未愈合,则为8周)进行随访,此后每3个月随访一次。预计招募人数:本研究每年将招募总计25-30名患者。
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。




