术后宫颈癌/子宫内膜癌中MH-ART与CF-IMRT对比
该数据集来自clinicaltrials.gov,针对术后宫颈癌与子宫内膜癌患者,比较中等分次在线自适应放疗(MH-ART)与常规分次图像引导调强放疗(CF-IMRT)的随机对照试验

基本信息
资源简介
术后宫颈癌/子宫内膜癌中MH-ART与CF-IMRT对比
该数据集来自clinicaltrials.gov,针对术后宫颈癌与子宫内膜癌患者,比较中等分次在线自适应放疗(MH-ART)与常规分次图像引导调强放疗(CF-IMRT)的随机对照试验。计划样本量228例,按研究中心、疾病类型和是否同步化疗分层。主要终点为急性不良反应/毒性,次要终点包括晚期毒性、3年局部控制率、远处转移率、无进展生存、总生存、无病生存、生活质量及治疗成本效果分析。可用于放疗方案疗效与安全性评估、预后预测及卫生经济学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:宫颈癌、子宫内膜癌。随机化:干预组:使用在线自适应放疗技术的中等分次放疗。对照组:使用图像引导调强放疗技术的常规分次放疗。随机化分层因素:参与研究中心;疾病类型(宫颈癌/子宫内膜癌);是否接受同步化疗。研究目标:主要终点:急性不良反应/毒性。次要终点:晚期不良反应/毒性、3年局部控制率、3年远处转移率、3年无进展生存(PFS)、3年总生存(OS)、3年无病生存(DFS)、生活质量、与治疗相关的成本效果分析。研究人群:计划样本量:228名参与者。纳入标准:1. 参与者必须
【主题与分类】
主题标签:Cervical Cancer、Endometrial Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07584161
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/NCT07584161
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:宫颈癌、子宫内膜癌。随机分组:干预组:采用在线自适应放疗技术进行中等分次放疗。对照组:采用图像引导调强放疗技术进行常规分次放疗。随机分层因素:参与研究中心;疾病类型(宫颈癌/子宫内膜癌);是否接受同步化疗。研究目的:主要终点:急性不良反应/毒性。次要终点:晚期不良反应/毒性、3年局部控制率、3年远处转移率、3年无进展生存期(PFS)、3年总生存期(OS)、3年无病生存期(DFS)、生活质量、与治疗相关的成本效果分析。研究人群:计划样本量:228名受试者。入选标准:1. 受试者必须完全自愿且具有决策能力,在入组前30天内提供书面知情同意书。2. 年龄≥18岁且≤75岁。3. ECOG体能状态评分为0-1分,且预期能够耐受仰卧位半小时。4.
已接受宫颈癌根治性手术(术式:广泛性子宫切除术+盆腔淋巴结清扫术±腹主动脉旁淋巴结清扫术)或子宫内膜癌手术(术式:全子宫切除术+双侧输卵管卵巢切除术±盆腔和/或腹主动脉旁淋巴结清扫/取样或前哨淋巴结活检)。5. 对于宫颈癌受试者,必须符合以下标准:(1)经病理学诊断为宫颈鳞状细胞癌或腺癌。(2)必须具有以下至少一项高危因素;或具有其他需要术后放疗的风险因素:高危因素:盆腔淋巴结转移,或手术切缘阳性,或宫旁浸润。其他风险因素:间质浸润中1/3或深1/3,无论肿瘤大小和LVSI状态如何;肿瘤大小≥4cm,无论间质浸润深度和LVSI状态如何;
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。




