宫颈癌与子宫内膜癌术后大分割全盆腔放疗
该数据集来自 clinicaltrials.gov，聚焦宫颈癌与子宫内膜癌术后大分割全盆腔放疗。源站描述指出，标准术后盆腔放疗需数周多次治疗，可能限制患者可及性、增加治疗负担并延长总治疗时间，而治疗时间延长与肿瘤控制下降相关；大分割放疗在维持相近总剂量的同时提高单次剂量、缩短总疗程，可能改善治疗便利
基本信息
资源简介
宫颈癌与子宫内膜癌术后大分割全盆腔放疗
该数据集英文名为 Postoperative Hypofractionated Whole Pelvic Radiotherapy in Cervical and Endometrial Cancer，来自 clinicaltrials.gov，主题聚焦宫颈癌与子宫内膜癌术后大分割全盆腔放疗，主题标签为 Endometrial Cancer 与 Cervix Cancer。源站描述指出，宫颈癌仍是重要健康问题，尤其在低中收入国家；标准术后盆腔放疗需数周多次治疗，可能限制患者可及性、增加治疗负担并延长总治疗时间，而治疗时间延长与肿瘤控制下降相关；大分割放疗在维持相近总剂量的同时提高单次剂量、缩短总疗程，可能改善治疗便利性、减少医疗资源占用并在不增加毒性的前提下潜在改善治疗结局，但相关高级别证据目前有限。本站将其归类为肿瘤 / 宫颈癌方向的数据集。
【数据集背景】
宫颈癌在全球范围内仍是重要健康问题，在低中收入国家尤为突出。术后盆腔放疗是宫颈癌与子宫内膜癌综合治疗的重要组成部分，但标准方案要求患者在数周内接受多次治疗。这种长疗程安排可能限制患者获得治疗的机会，增加治疗负担，并延长总体治疗时间。源站描述进一步指出，治疗时间延长与肿瘤控制下降相关；频繁往返医院也可能增加患者风险，在传染病暴发期间尤为明显。大分割放疗通过提高单次剂量、维持相近总剂量来缩短总疗程，被视为可能改善治疗便利性与资源利用效率的方案，但目前相关高级别证据仍然有限，这正是该数据集所对应研究方向的现实背景。
【数据内容】
该数据集围绕宫颈癌与子宫内膜癌术后大分割全盆腔放疗这一主题组织，涉及的条件包括子宫内膜癌与宫颈癌，主题标签为 Endometrial Cancer 和 Cervix Cancer。源站描述提及的干预思路是大分割放疗：在维持相近总辐射剂量的同时提高每次分次剂量，从而缩短总体治疗疗程。描述中还提及该策略可能带来的若干潜在收益，包括改善治疗便利性、减少医疗资源利用，以及在不增加毒性的情况下潜在改善治疗结局。关于数据集的具体记录条数、字段结构、变量类型、随访指标与统计摘要，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述给出了研究关注的疾病条件（Endometrial Cancer、Cervix Cancer）以及术后盆腔放疗的剂量分割策略背景。除来源站为 clinicaltrials.gov 以及上述描述内容外，关于采集时间范围、采集方式、纳入排除标准、注册编号、研究机构与研究者信息，源站未提供。
【适用场景】
基于源站描述，该数据集适用于关注宫颈癌与子宫内膜癌术后盆腔放疗模式比较的场景，例如探讨大分割方案相对于标准多周多次治疗在治疗便利性、医疗资源利用与治疗结局方面的潜在差异。其背景描述也提示该主题对低中收入国家的可及性问题、治疗负担以及传染病暴发期间减少医院往返风险具有现实意义。关于该数据集在具体研究设计、统计分析和临床决策中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、数据结构说明、分析流程与推荐工具。使用者需依据来源站 clinicaltrials.gov 的相关规定自行了解获取与使用条件。
【质量与限制】
源站描述明确指出，该方向目前高级别证据有限，这是该主题的重要限制。关于数据集本身的样本量、数据完整性、缺失情况、偏倚控制与验证情况，源站未提供。使用时应结合来源站信息自行评估其适用范围与局限。
【引用与许可】
源站未提供该数据集的引用格式与许可条款。使用或传播时应遵循来源站 clinicaltrials.gov 的相关要求。
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/NCT07595224
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：子宫内膜癌、宫颈癌。宫颈癌仍然是一个重大的健康问题，尤其是在低收入和中等收入国家。标准的术后盆腔放疗需要在数周内进行多次治疗，这可能限制患者获得治疗的机会、增加治疗负担并延长总体治疗时间。治疗时间延长与肿瘤控制率降低相关，而频繁往返医院也可能增加患者风险，尤其是在传染病暴发期间。大分割放疗每次给予更高剂量，同时维持相近的总放射剂量，从而缩短总体治疗疗程。这种方法可能提高治疗便利性、减少医疗资源利用，并可能在不增加毒性的情况下改善治疗结局。然而，目前支持其在宫颈癌和子宫内膜癌术后应用的高级别证据有限。
本研究是一项II期随机对照试验，旨在评估宫颈癌和子宫内膜癌患者术后大分割全盆腔放疗与常规放疗的安全性和疗效。参与者将在手术后被随机分配接受大分割放疗或标准放疗。本研究将评估治疗相关毒性、肿瘤缓解、生存结局和生活质量。本研究结果可能有助于确定能否将更短的放疗方案安全地作为标准治疗的替代方案实施。
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。
