子宫内膜癌与宫颈癌大分割外照射放疗联合自适应计划
该数据集来自 clinicaltrials.gov,聚焦子宫内膜癌与宫颈癌术后患者的大分割外照射放疗联合自适应计划。源站描述指出,研究者假设基于 CT 或 MRI 引导的自适应计划可因分次间与分次内解剖变化而改善妇科癌症术后患者的 SBRT 计划,并提出在 CT 或 MRI 引导下以自适应计划对盆腔

基本信息
资源简介
子宫内膜癌与宫颈癌大分割外照射放疗联合自适应计划
该数据集来自 clinicaltrials.gov,聚焦子宫内膜癌与宫颈癌术后患者的大分割外照射放疗联合自适应计划。源站描述指出,研究者假设基于 CT 或 MRI 引导的自适应计划可因分次间与分次内解剖变化而改善妇科癌症术后患者的 SBRT 计划,并提出在 CT 或 MRI 引导下以自适应计划对盆腔实施 30 Gy/5 次辅助 SBRT。数据可用于放疗计划相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:子宫内膜癌、宫颈癌。研究者假设,由于放疗分次间和分次内存在解剖变化问题,采用计算机断层扫描(CT)或磁共振成像(MRI)引导的自适应计划可能为术后妇科癌症患者提供改善的 SBRT 计划。已有研究表明,在 prostate SBRT 背景下,使用具有自适应计划能力的 MRI 引导直线加速器治疗相比传统直线加速器可显著改善急性毒性。10 因此,研究者提出使用 CT 或 MRI 引导的自适应计划,为子宫内膜癌和宫颈癌患者提供盆腔 30 Gy 分 5 次的辅助 SBRT。立体定向体部放疗(SBRT)联合自适应计划将在原发肿瘤手术切除后实施。患者
【主题与分类】
主题标签:Endometrial Cancer、Cervical Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06538337
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/NCT06538337
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
条件:子宫内膜癌、宫颈癌。研究者假设,由于放疗分次间及分次内解剖结构变化的问题,采用计算机断层扫描(CT)或磁共振成像(MRI)引导的自适应计划可为术后妇科癌症患者提供更优的SBRT计划。已有研究表明,与常规直线加速器相比,在磁共振引导的直线加速器上采用具有自适应计划能力的治疗可显著改善前列腺SBRT的急性毒性反应。10 因此,研究者提出采用CT或MRI引导的自适应计划,为子宫内膜癌和宫颈癌患者实施盆腔辅助SBRT,处方剂量为30 Gy分5次。自适应计划的立体定向体部放疗(SBRT)将在原发肿瘤手术切除后实施。患者将接受6.0 Gy×5次,隔日一次。患者不在周末或节假日接受治疗,此为放疗的标准实践。患者在放疗完成后3个月内将由放射肿瘤科医生进行随访。
对于居住地距离加州大学洛杉矶分校(UCLA)较远、出行对患者而言较为困难的患者,可考虑采用电话或远程医疗方式进行随访。此后,在放疗完成后5年内,每6个月(±4周)进行一次随访。患者将根据医生的判断接受临床和/或影像学随访。流程图:子宫内膜癌或宫颈癌的诊断;原发肿瘤的手术切除;多学科讨论并建议对盆腔进行辅助放疗;患者入组HERA临床试验;模拟扫描以规划术后放疗;采用自适应计划和CT或MRI引导进行五次放射治疗(每次6 Gy),每隔一天进行一次,周末和节假日除外。
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。




