妇科癌症放疗登记研究(活动性转移灶至多10个)
该数据集来自clinicaltrials.gov,为OLIGYNE-10 RT研究者发起的国际多中心非干预性主登记研究,覆盖宫颈癌、子宫内膜癌、子宫癌、子宫肉瘤、卵巢癌、输卵管癌、原发性腹膜癌等妇科癌症,纳入活动性转移灶至多10个的患者

基本信息
资源简介
妇科癌症放疗登记研究(活动性转移灶至多10个)
该数据集来自clinicaltrials.gov,为OLIGYNE-10 RT研究者发起的国际多中心非干预性主登记研究,覆盖宫颈癌、子宫内膜癌、子宫癌、子宫肉瘤、卵巢癌、输卵管癌、原发性腹膜癌等妇科癌症,纳入活动性转移灶至多10个的患者。登记合格放疗方式包括立体定向放疗、其他外照射技术、近距离放疗、质子治疗、再程放疗或合格组合,手术、热消融和全身治疗可作为联合策略的一部分。数据可用于评估妇科癌症寡转移患者放疗实践模式与结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:宫颈癌、妇科癌症、子宫内膜癌、子宫癌、子宫肉瘤、卵巢癌、输卵管癌、原发性腹膜癌。OLIGYNE-10 RT是一项由研究者发起的国际多中心非干预性主登记研究。所有治疗决策仍由治疗临床团队做出。合格放疗可包括立体定向放疗、其他外照射技术、近距离放疗、质子治疗、再程放疗或合格组合。手术、热消融和全身治疗可作为联合策略的一部分,但未接受合格放疗的治疗不能使患者获得放疗治疗核心队列的资格。参与者连续入组:在适用入组期内,参与中心所有符合资格标准的患者均被纳入。数据采集结合
【主题与分类】
主题标签:Cervical Cancer、Gynecologic Cancer、Endometrial Cancer、Uterine Cancer、Uterine Sarcoma、Ovarian Cancer、Fallopian Tube Cancer、Primary Peritoneal Cancer、Vulvar Cancer、Vaginal Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07883798
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/NCT07883798
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、妇科癌症、子宫内膜癌、子宫癌、子宫肉瘤、卵巢癌、输卵管癌、原发性腹膜癌。OLIGYNE-10 RT是一项由研究者发起的国际多中心非干预性主登记研究。所有治疗决策均由治疗临床团队作出。符合条件的放疗可包括立体定向放疗、其他外照射技术、近距离放疗、质子治疗、再程放疗或符合条件的联合治疗。手术、热消融和全身治疗可作为联合策略的一部分,但未接受符合条件放疗的治疗不能使患者获得放疗治疗核心队列的资格。参与者按连续方式入组:在适用入组期内,参与中心所有符合资格标准的患者均被纳入。数据采集结合历史回顾性记录、双向性常规诊疗随访和前瞻性入组。前瞻性参与者在首次符合条件放疗分次或近距离放疗施用前提供书面知情同意。
纳入放疗治疗核心队列需至少实施一次合格的分次放疗或施源。登记系统将筛查人群与治疗分析人群区分开来。基于影像的分层将具有1至5个活动性转移灶的经典寡转移性疾病与一个扩展的、假设生成性组别区分开来,后者经合格的FDG PET/CT或FDG PET/MRI确认具有6至10个病灶。未经合格PET评估的6至10个病灶病例仅纳入单独的探索性模块,在主分析中不与扩展PET队列合并。多转移进展阈值指的是总活动性转移负荷,而不仅仅是新检测到的病灶数量。合格寡转移性疾病评估日期(T0-OMD)、索引期内首次合格放疗分次或近距离治疗施源日期(T0-RT)以及病灶特异性治疗日期分别记录。临床情景、影像、肿瘤特征、放疗
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。




