接受异基因干细胞移植患者的CD34+（恶性）干细胞选择
该数据集来自clinicaltrials.gov，聚焦接受异基因干细胞移植患者的CD34+（恶性）干细胞选择，覆盖慢性髓性白血病、急性髓系白血病、骨髓增生异常综合征、幼年型粒单核细胞白血病、急性淋巴细胞白血病以及霍奇金和非霍奇金淋巴瘤
基本信息
资源简介
接受异基因干细胞移植患者的CD34+（恶性）干细胞选择
该数据集来自clinicaltrials.gov，聚焦接受异基因干细胞移植患者的CD34+（恶性）干细胞选择，覆盖慢性髓性白血病、急性髓系白血病、骨髓增生异常综合征、幼年型粒单核细胞白血病、急性淋巴细胞白血病以及霍奇金和非霍奇金淋巴瘤。数据涉及移植物抗宿主病（GVHD）与HLA不相合程度的关系、T细胞去除预防GVHD以及T细胞去除效率与移植失败风险之间的关联，并包含免疫磁珠选择HLA不相合CD34+祖细胞在成人和儿童恶性及非恶性患者中实现高水平T细胞去除与成功植入的信息，可用于血液肿瘤移植相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：慢性髓性白血病（CML）、急性髓系白血病（AML）、骨髓增生异常综合征（MDS）、幼年型粒单核细胞白血病（JMML）、急性淋巴细胞白血病（ALL）、淋巴瘤（霍奇金和非霍奇金）。移植物抗宿主病（GVHD）是异基因干细胞移植后的严重并发症之一。GVHD的发生率和严重程度随宿主与供者之间HLA不相合程度的增加而增加。预防急性和慢性GVHD最可靠的方法是从移植物中去除T细胞。然而，移植失败的发生率随T细胞去除效率的提高而增加，且低T细胞数量可预测移植失败。免疫磁珠选择HLA不相合的CD34+祖细胞已在成人和儿童恶性及非恶性患者中显示出高水平的T细胞去除和成功植入。
【主题与分类】
主题标签：Chronic Myeloid Leukemia (CML)、Acute Myelogenous Leukemia (AML)、Myelodysplastic Syndrome (MDS)、Juvenile Myelomonocytic Leukemia (JMML)、Acute Lymphoblastic Leukemia (ALL)、Lymphoma (Hodgkin's and Non-Hodgkin's)。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02061800
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/NCT02061800
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：慢性髓性白血病（CML）、急性髓性白血病（AML）、骨髓增生异常综合征（MDS）、幼年型粒单核细胞白血病（JMML）、急性淋巴细胞白血病（ALL）、淋巴瘤（霍奇金淋巴瘤和非霍奇金淋巴瘤）。移植物抗宿主病（GVHD）是异基因干细胞移植后的严重并发症之一。GVHD的发生率和严重程度随着宿主与供者之间HLA不相合程度的增加而增加。预防急性和慢性GVHD最可靠的方法是从移植物中去除T细胞。然而，移植失败的发生率随着T细胞去除效率的提高而增加，且低T细胞数量可预测移植失败。免疫磁珠法选择HLA不相合的CD34+祖细胞已在成人和儿童恶性及非恶性疾病患者中显示出高水平的T细胞去除和成功的植入。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
