采集癌症与非癌症患者血样以评估早期癌症检测方法
本研究涵盖多种白血病、各期淋巴瘤，以及胃食管交界腺癌、头颈癌、造血与淋巴系统肿瘤、浸润性乳腺癌等。主要目的：建立癌症与非癌症血液样本盲法参考集，用于验证检测，以纳入血液多癌种早期检测的前瞻性临床试验
基本信息
资源简介
采集癌症与非癌症患者血样以评估早期癌症检测方法
本研究涵盖多种白血病、各期淋巴瘤，以及胃食管交界腺癌、头颈癌、造血与淋巴系统肿瘤、浸润性乳腺癌等。主要目的：建立癌症与非癌症血液样本盲法参考集，用于验证检测，以纳入血液多癌种早期检测的前瞻性临床试验。次要目的：按肿瘤类型和临床分期评估初诊时检测性能。参与者基线填问卷，注册时及12个月后采血；癌症确诊者可同期采组织；研究结束后随访1年（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：急性淋巴细胞白血病、急性髓系白血病、Ann Arbor I期淋巴瘤、Ann Arbor II期淋巴瘤、Ann Arbor III期淋巴瘤、Ann Arbor IV期淋巴瘤、慢性淋巴细胞白血病、慢性髓系白血病。 主要目的：I. 提供一个癌症 vs. 非癌症血液样本的盲法参考集，用于验证检测方法，以便纳入一项聚焦于基于血液的多癌种早期检测实用性的前瞻性临床试验。 次要目的：I. 按肿瘤类型评估初次癌症诊断时的检测性能。II. 按临床分期评估初次癌症诊断时的检测性能。 研究大纲：参与者在基线时完成一份问卷。参与者在入组时和入组后12个月时接受血液样本采集。确诊癌症的患者可能在入组时和入组后12个月时接受组织样本采集。研究完成后，参与者在1年时接受随访。
【主题与分类】
主题标签：Acute Lymphoblastic Leukemia、Acute Myeloid Leukemia、Ann Arbor Stage I Lymphoma、Ann Arbor Stage II Lymphoma、Ann Arbor Stage III Lymphoma、Ann Arbor Stage IV Lymphoma、Chronic Lymphocytic Leukemia、Chronic Myeloid Leukemia、Gastroesophageal Junction Adenocarcinoma、Head and Neck Carcinoma。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05334069
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/NCT05334069
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：急性淋巴细胞白血病、急性髓系白血病、Ann Arbor I期淋巴瘤、Ann Arbor II期淋巴瘤、Ann Arbor III期淋巴瘤、Ann Arbor IV期淋巴瘤、慢性淋巴细胞白血病、慢性髓系白血病。
主要目的：I. 提供一个癌症 vs. 非癌症血液样本的盲法参考集，用于验证检测方法，以便纳入一项聚焦于基于血液的多癌种早期检测实用性的前瞻性临床试验。
次要目的：I. 按肿瘤类型评估初次癌症诊断时的检测性能。II. 按临床分期评估初次癌症诊断时的检测性能。
研究大纲：参与者在基线时完成一份问卷。参与者在入组时和入组后12个月时接受血液样本采集。确诊癌症的患者可能在入组时和入组后12个月时接受组织样本采集。研究完成后，参与者在1年时接受随访。
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。
