妇科癌症术后质子治疗研究

该数据集来源于clinicaltrials.gov,聚焦妇科癌症术后辅助治疗场景下的质子放疗研究,涵盖宫颈癌、子宫癌和子宫内膜癌三类疾病

Abramson Cancer Center at Penn MedicineAbramson Cancer Center at Penn Medicine
clinicaltrials
浏览 3
医学影像预测Cervical CancerUterine CancerEndometrial Cancer
PROton Therapy for Post Surgical Treatment of GYNecologic Cancer

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-11

资源简介

妇科癌症术后质子治疗研究

该数据集来源于clinicaltrials.gov,聚焦妇科癌症术后辅助治疗场景下的质子放疗研究,涵盖宫颈癌、子宫癌和子宫内膜癌三类疾病。研究为单机构多中心设计,纳入来自费城、兰卡斯特及南新泽西地区Penn质子中心的患者,在宾夕法尼亚大学放射肿瘤学系及相关临床机构开展。干预措施为全盆腔笔束扫描质子放疗,作为子宫切除术后辅助治疗的一部分,处方剂量为45或50.4 Gy,每日1.8 Gy分次照射。该数据可用于评估质子治疗在妇科癌症术后辅助治疗中的剂量分布、疗效及安全性等方向(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、子宫癌、子宫内膜癌。这是一项单机构、多中心研究,因此将纳入来自费城、兰卡斯特和南新泽西地区Penn质子中心地理位置的患者。研究将在宾夕法尼亚大学放射肿瘤学系及相关临床机构进行。研究干预为全盆腔(WP)笔束扫描质子放疗(PBS PRT),作为妇科癌症子宫切除术后辅助治疗中根治性治疗的一部分。患者将接受45或50.4 Gy的剂量,每日1.8 Gy分次照射。

【主题与分类】

主题标签:Cervical Cancer、Uterine 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/NCT05758688

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05758688

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:宫颈癌、子宫癌、子宫内膜癌。这是一项单中心、多站点研究,因此将纳入来自费城、兰卡斯特和南新泽西地区宾夕法尼亚质子中心所在区域的患者。研究将在宾夕法尼亚大学放射肿瘤学系及相关临床机构进行。研究干预为全盆腔(WP)笔形束扫描质子放疗(PBS PRT),作为子宫切除术后辅助治疗中妇科恶性肿瘤根治性治疗的一部分。患者将接受45或50.4 Gy的剂量,每日1.8 Gy分次照射。

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。

获取专属数据定制方案