宫颈癌腹膜外腹主动脉旁淋巴结清扫术 (EPLND)
该数据集来源于 clinicaltrials.gov,主题为宫颈癌的腹膜外腹主动脉旁淋巴结清扫术 (EPLND)。覆盖的疾病类型包括宫颈鳞状细胞癌、腺鳞癌、腺癌、局部晚期恶性肿瘤及宫颈癌

基本信息
资源简介
宫颈癌腹膜外腹主动脉旁淋巴结清扫术 (EPLND)
该数据集来源于 clinicaltrials.gov,主题为宫颈癌的腹膜外腹主动脉旁淋巴结清扫术 (EPLND)。覆盖的疾病类型包括宫颈鳞状细胞癌、腺鳞癌、腺癌、局部晚期恶性肿瘤及宫颈癌。数据涉及 PET/CT 扫描流程,包括扫描前禁食禁水、注射微量放射性糖类物质、静息等待 45 至 90 分钟以及扫描本身可能持续长达 1 小时等环节。可用于了解该临床研究的设计与影像检查规范,支持宫颈癌诊疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:宫颈鳞状细胞癌、腺鳞癌、腺癌、局部晚期恶性肿瘤、宫颈癌。您将接受正电子发射断层扫描/计算机断层扫描 (PET/CT) 以检查疾病状态。在 PET/CT 扫描前最多 6 小时内,除水外不得进食或饮水。将在您的手臂中放置一根小管,并向您的血液中注射极少量轻度放射性糖类物质。该注射物质的放射性使扫描仪能够在您身体的某些部位“看到”它。注射后,您需要安静休息,直到扫描时间。休息时间可能有所不同,但请准备等待 45 至 90 分钟。扫描期间,您将平躺在检查台上。扫描本身可能持续长达 1 小时。该研究 d
【主题与分类】
主题标签:Cervical Squamous Cell Carcinoma、Adenosquamous Carcinoma、Adenocarcinoma、Locally Advanced Malignant Neoplasm、Cervical Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01365156
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/NCT01365156
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:宫颈鳞状细胞癌、腺鳞癌、腺癌、局部晚期恶性肿瘤、宫颈癌。您将接受正电子发射断层扫描/计算机断层扫描(PET/CT)以检查疾病状态。在PET/CT扫描前最多6小时内,除水外不得进食或饮用任何东西。将在您的手臂上放置一根细管,并向您的血液中注射极少量轻度放射性糖类物质。该注射物质的放射性特性使扫描仪能够在您身体的某些部位“看到”它。注射后,您需要安静休息,直到扫描时间。休息时间可能有所不同,但请准备好等待45至90分钟。扫描期间,您将平躺在检查台上。扫描本身可能持续长达1小时。研究医生将与您讨论检查结果。如果检查表明您不符合参加研究的资格,您将不会被纳入。将与您讨论其他治疗方案。
研究组:如果您被认定符合参加本研究的条件,您将被随机分配(如同掷硬币)至2个研究组中的1个。您被分配到任一组的几率相等。如果您被分到第1组,您将接受腹膜外腹腔镜淋巴结清扫术,随后进行放化疗。如果您被分到第2组,您将仅接受标准治疗的放化疗。研究程序与访视:如果您在第1组,您将接受腹膜外腹腔镜淋巴结清扫术,这是一种外科医生切除并检查腹部淋巴结的手术。研究医生将向您解释该手术的风险,您将签署一份单独的手术知情同意书。该手术将在放化疗开始前7-10天进行。在腹腔镜手术过程中,一个末端带有小型摄像头的望远镜状器械(腹腔镜)将通过腹部的一个小切口置入。还会做三(3)个其他小切口,以置入可能用
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。




