Voruciclib 单药或联合 Venetoclax 治疗 B 细胞恶性肿瘤或 AML 的研究
该数据集来自 clinicaltrials.gov，聚焦于 B 细胞恶性肿瘤或急性髓系白血病（AML）的临床研究。覆盖滤泡性淋巴瘤、套细胞淋巴瘤、边缘区淋巴瘤、小淋巴细胞淋巴瘤、慢性淋巴细胞白血病、弥漫大 B 细胞淋巴瘤及 AML 等病种
基本信息
资源简介
Voruciclib 单药或联合 Venetoclax 治疗 B 细胞恶性肿瘤或 AML 的研究
该数据集来自 clinicaltrials.gov，聚焦于 B 细胞恶性肿瘤或急性髓系白血病（AML）的临床研究。覆盖滤泡性淋巴瘤、套细胞淋巴瘤、边缘区淋巴瘤、小淋巴细胞淋巴瘤、慢性淋巴细胞白血病、弥漫大 B 细胞淋巴瘤及 AML 等病种。研究为 Phase 1、开放标签、3 + 3 剂量递增与扩展试验，评估 voruciclib 单药在复发/难治性 B 细胞恶性肿瘤或 AML 受试者中的安全性和初步疗效，以及 voruciclib 联合 venetoclax 在复发或难治性 AML 受试者中的表现。可用于肿瘤与白血病方向的分类、安全性及疗效相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：滤泡性淋巴瘤（FL）、套细胞淋巴瘤（MCL）、边缘区淋巴瘤（MZL）、小淋巴细胞淋巴瘤（SLL）、慢性淋巴细胞白血病（CLL）、弥漫大 B 细胞淋巴瘤（DLBCL）、急性髓系白血病（AML）。这是一项 Phase 1、开放标签、3 + 3 剂量递增和扩展研究，旨在确定 voruciclib 单药在既往标准治疗失败后的复发/难治性 B 细胞恶性肿瘤或 AML 受试者中的安全性和初步疗效，或 voruciclib 联合 venetoclax 在复发或难治性 AML 受试者中的表现。递增至下一更高剂量水平将取决于在每个剂量水平所显示的安全性和耐受性。
【主题与分类】
主题标签：Follicular Lymphoma (FL)、Mantle Cell Lymphoma (MCL)、Marginal Zone Lymphoma (MZL)、Small Lymphocytic Lymphoma (SLL)、Chronic Lymphocytic Leukemia (CLL)、Diffuse Large B-cell Lymphoma (DLBCL)、Acute Myeloid Leukemia (AML)。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03547115
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/NCT03547115
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
疾病类型：滤泡性淋巴瘤（FL）、套细胞淋巴瘤（MCL）、边缘区淋巴瘤（MZL）、小淋巴细胞淋巴瘤（SLL）、慢性淋巴细胞白血病（CLL）、弥漫性大B细胞淋巴瘤（DLBCL）、急性髓系白血病（AML）。这是一项1期、开放标签、3+3剂量递增和扩展研究，旨在确定voruciclib单药治疗在既往标准治疗失败后的复发/难治性B细胞恶性肿瘤或AML受试者中的安全性和初步疗效，或voruciclib联合venetoclax治疗复发或难治性AML受试者的安全性和初步疗效。递增至下一更高剂量水平将取决于在每个剂量水平所显示的安全性和耐受性。
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。
