氟达拉滨联合白消安对比氟达拉滨、白消安联合全身照射
该数据集来自 clinicaltrials.gov,属于肿瘤与白血病领域,聚焦接受异基因干细胞移植的髓系恶性肿瘤患者。研究比较氟达拉滨联合白消安与氟达拉滨、白消安联合低剂量全身照射两种预处理方案,计划入组80名受试者,来源为Hackensack大学医学中心John Theurer癌症中心

基本信息
资源简介
氟达拉滨联合白消安对比氟达拉滨、白消安联合全身照射
该数据集来自 clinicaltrials.gov,属于肿瘤与白血病领域,聚焦接受异基因干细胞移植的髓系恶性肿瘤患者。研究比较氟达拉滨联合白消安与氟达拉滨、白消安联合低剂量全身照射两种预处理方案,计划入组80名受试者,来源为Hackensack大学医学中心John Theurer癌症中心。受试者随机分配至两组,随访至移植后1年,评估各组的复发率。数据可用于分析不同预处理方案对移植后复发的影响,支持临床预后预测与治疗方案比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:髓系恶性肿瘤、急性髓系白血病、慢性髓系白血病、骨髓增殖性疾病、骨髓增生异常综合征。这是一项单机构研究,比较氟达拉滨联合白消安与氟达拉滨、白消安联合低剂量全身照射在接受异基因干细胞移植的患者中的效果。将从Hackensack大学医学中心John Theurer癌症中心入组80名受试者作为研究人群。符合入组标准、有资格接受异基因造血干细胞移植的受试者将签署知情同意书并入组。受试者将被随机分配接受2种预处理方案之一:氟达拉滨联合白消安,或氟达拉滨、白消安联合低剂量全身照射(TBI)。受试者将被随访至移植后1年,以评估各组的复发率,并……
【主题与分类】
主题标签:Myeloid Malignancies、Acute Myelogenous Leukemia、Chronic Myelogenous Leukemia、Myeloproliferative Disorders、Myelodysplastic Syndrome。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01366612
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/NCT01366612
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:髓系恶性肿瘤、急性髓系白血病、慢性髓系白血病、骨髓增殖性疾病、骨髓增生异常综合征。这是一项单中心研究,比较氟达拉滨联合白消安与氟达拉滨、白消安联合低剂量全身照射在接受异基因干细胞移植患者中的效果。将从哈肯萨克大学医学中心约翰·图雷尔癌症中心入组80名受试者作为研究人群。符合入组标准、有资格接受异基因造血干细胞移植的受试者将签署知情同意书并入组。受试者将被随机分配接受以下两种预处理方案之一:氟达拉滨联合白消安,或氟达拉滨、白消安联合低剂量全身照射(TBI)。受试者将被随访至移植后1年,以评估各组的复发率和移植相关毒性。
氟达拉滨联合白消安是目前HUMC对接受异基因移植的髓系恶性肿瘤患者(髓系白血病、慢性髓系白血病、其他骨髓增殖性疾病或骨髓增生异常综合征)的标准治疗方案。在本研究中,我们将以随机方式将标准方案与氟达拉滨、白消安联合TBI的方案进行比较。主要目的主要目的是比较接受各方案的髓系恶性肿瘤患者1年时的复发率。次要目的次要目的是比较各方案的毒性。
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。




