复发性妇科肿瘤再放疗与全消融策略登记研究
该数据集来自 clinicaltrials.gov,为一项非干预性患者登记研究,聚焦复发性妇科恶性肿瘤患者在接受再放疗和/或全消融策略后的真实世界结局

基本信息
资源简介
复发性妇科肿瘤再放疗与全消融策略登记研究
该数据集来自 clinicaltrials.gov,为一项非干预性患者登记研究,聚焦复发性妇科恶性肿瘤患者在接受再放疗和/或全消融策略后的真实世界结局。覆盖复发性子宫、宫颈、阴道、外阴、卵巢、输卵管及原发性腹膜癌等病种。登记采用双向性队列结构,纳入有既往放疗史且复发或进展、已接受或计划接受再放疗/局部消融治疗的成人患者。数据可用于描述真实世界治疗模式与结局,支持预后预测与临床决策研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:复发性妇科肿瘤、复发性子宫癌、复发性宫颈癌、复发性阴道癌、复发性外阴癌、复发性卵巢癌、复发性输卵管癌、原发性腹膜癌。本研究是一项非干预性患者登记研究,旨在描述复发性妇科恶性肿瘤患者在接受再放疗和全消融策略后的真实世界结局。合格参与者为经组织学确诊的子宫、宫颈、阴道、外阴、卵巢、输卵管、原发性腹膜或其他罕见妇科恶性肿瘤成人患者;有既往放疗记录;且根据当地多学科决策,已接受、正在进行或计划接受再放疗和/或局部消融治疗策略的复发或进展性疾病。该登记采用双向性队列结构。历史回顾性
【主题与分类】
主题标签:Recurrent Gynecologic Cancer、Recurrent Uterine Cancer、Recurrent Cervical Cancer、Recurrent Vaginal Cancer、Recurrent Vulvar Cancer、Recurrent Ovarian Cancer、Recurrent Fallopian Tube Cancer、Primary Peritoneal Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07667192
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/NCT07667192
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
疾病条件:复发性妇科肿瘤、复发性子宫癌、复发性宫颈癌、复发性阴道癌、复发性外阴癌、复发性卵巢癌、复发性输卵管癌、原发性腹膜癌。本研究是一项非干预性患者登记研究,旨在描述复发性妇科恶性肿瘤患者接受再程放疗和完全消融策略后的真实世界结局。符合条件的参与者为经组织学确诊的子宫、宫颈、阴道、外阴、卵巢、输卵管、原发性腹膜或其他罕见妇科恶性肿瘤的成人患者;有既往放疗记录;且根据当地多学科决策,已接受、正在接受或计划接受再程放疗和/或局部消融治疗策略的复发或进展性疾病患者。该登记研究采用双向性队列结构。历史回顾性参与者在获得当地批准后,从病历和治疗计划数据中录入。双向性随访参与者在登记研究启动前已接受治疗,但仍处于随访中,从而可在允许的情况下前瞻性采集后续结局和不良事件。
前瞻性登记研究的参与者在再次放疗或全消融策略决策之前或之时入组。参与不强制、延迟、禁止或修改任何临床指征的治疗、影像学检查或随访。该登记研究将在各参与中心采集一个共同核心数据集,包括人口学特征、体能状态、原发肿瘤部位和组织学、原发治疗、既往放疗详情、复发解剖部位、疾病范围、活动性病灶的数量和部位、治疗方式、剂量和分割、等效剂量指标、全身治疗时机、手术或其他转移灶导向治疗、约3个月和6个月时的疗效反应、进展模式、生存状态、急性和晚期不良事件、严重并发症、瘘事件,以及在已实施情况下的患者报告结局。推荐的扩展数据领域包括累积剂量评估、危及器官指标、影像学疗效评价方法、分子标志物、全身
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。




