评估ASN002治疗复发或难治性淋巴瘤及晚期实体瘤的1/2期研究
该数据集来自clinicaltrials.gov,收录一项评估ASN002治疗复发或难治性淋巴瘤及晚期实体瘤的1/2期研究

基本信息
资源简介
评估ASN002治疗复发或难治性淋巴瘤及晚期实体瘤的1/2期研究
该数据集来自clinicaltrials.gov,收录一项评估ASN002治疗复发或难治性淋巴瘤及晚期实体瘤的1/2期研究。研究分两部分:A部分为剂量递增,确定安全可耐受剂量并采集血样分析药代与药效动力学;B部分纳入弥漫大B细胞淋巴瘤、滤泡性淋巴瘤、套细胞淋巴瘤、外周T细胞淋巴瘤,另设骨髓纤维化与慢性淋巴细胞白血病组,采用A部分确定的最大安全剂量治疗以评估初步疗效。数据覆盖多种B细胞与T细胞淋巴瘤及实体瘤,可用于血液肿瘤与实体瘤治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:弥漫大B细胞淋巴瘤、套细胞淋巴瘤、滤泡性淋巴瘤、癌症、肿瘤、肿瘤、恶性淋巴瘤、B细胞淋巴瘤。该研究将分两部分进行。A部分为剂量递增研究,旨在为复发或难治性淋巴瘤或晚期实体瘤受试者确定ASN002的安全且可耐受剂量。A部分还将通过采血表征ASN002的药代动力学和药效动力学。B部分受试者将纳入四种类型的淋巴瘤:弥漫大B细胞淋巴瘤(DLBCL)、滤泡性淋巴瘤(FL)、套细胞淋巴瘤(MCL)和外周T细胞淋巴瘤(PTCL)。还将纳入骨髓纤维化(MF)和慢性淋巴细胞白血病(CLL)的额外受试者组。受试者将接受研究A部分确定的最大安全且可耐受剂量治疗,以确定初步疗效。
【主题与分类】
主题标签:Lymphoma, Large B-Cell, Diffuse、Lymphoma, Mantle-Cell、Lymphoma, Follicular、Cancer、Neoplasm、Tumor、Lymphoma, Malignant、Lymphoma, B-cell、Lymphoma, Non-Hodgkin、B-Cell Chronic Lymphocytic Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02440685
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/NCT02440685
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
适应症:淋巴瘤、弥漫性大B细胞淋巴瘤、套细胞淋巴瘤、滤泡性淋巴瘤、癌症、肿瘤、肿瘤、淋巴瘤、恶性肿瘤、淋巴瘤、B细胞淋巴瘤。本研究将分为两部分进行。A部分为剂量递增研究,旨在确定ASN002用于复发或难治性淋巴瘤或晚期实体瘤受试者的安全且可耐受剂量。A部分还将通过血液采样表征ASN002的药代动力学和药效学。B部分将入组四种类型淋巴瘤的受试者:弥漫性大B细胞淋巴瘤(DLBCL)、滤泡性淋巴瘤(FL)、套细胞淋巴瘤(MCL)和外周T细胞淋巴瘤(PTCL)。还将入组骨髓纤维化(MF)和慢性淋巴细胞白血病(CLL)的额外受试者组。受试者将接受本研究A部分确定的最高安全且可耐受剂量治疗,以确定初步疗效。在没有严重副作用或疾病进展的情况下,受试者可继续接受ASN002治疗长达1年。
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。




