CALR突变骨髓增殖性肿瘤患者诊断与随访中CALR等位基因负荷的意义研究
该数据集来自clinicaltrials.gov，聚焦CALR突变骨髓增殖性肿瘤（MPN）患者，涵盖原发性血小板增多症、原发性骨髓纤维化（纤维化前期与纤维化期）等类型
基本信息
资源简介
CALR突变骨髓增殖性肿瘤患者诊断与随访中CALR等位基因负荷的意义研究
该数据集来自clinicaltrials.gov，聚焦CALR突变骨髓增殖性肿瘤（MPN）患者，涵盖原发性血小板增多症、原发性骨髓纤维化（纤维化前期与纤维化期）等类型。研究在诊断时及随后3年内采集患者血液（每年最多1份样本），用于量化CALR等位基因负荷，并评估临床生物学评分以判断疾病是否进展。数据可用于建模CALR等位基因负荷的时间演变，并探索其在诊断与随访中的预后价值（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：骨髓增殖性肿瘤、原发性血小板增多症、原发性骨髓纤维化（纤维化前期）、原发性骨髓纤维化（纤维化期）。一项针对45例患者的首次局部研究显示，在随访中量化CALR突变具有预后影响，且独立于在该患者组中验证的欧洲白血病网（ELN）预后评分。本研究旨在评估一个包含260例患者的多中心队列，涵盖所有类型的CALR突变MPN及多个随访样本，以建模CALR等位基因负荷的时间演变。将在诊断时及3年内（每年最多1份样本）采集MPN患者血液，用于量化CALR等位基因负荷。随访期间，将在原发性血小板增多症（ET）和骨髓纤维化（MF）中评估一个临床生物学评分，以确定每位患者疾病是否进展。
【主题与分类】
主题标签：Myeloproliferative Neoplasm、Essential Thrombocythemia、Primary Myelofibrosis, Prefibrotic Stage、Primary Myelofibrosis, Fibrotic Stage。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04942080
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/NCT04942080
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
条件：骨髓增殖性肿瘤、原发性血小板增多症、原发性骨髓纤维化、纤维化前阶段、原发性骨髓纤维化、纤维化阶段。一项针对45例患者的首次局部研究显示，CALR突变定量在随访中的预后影响，独立于在该患者组中验证的欧洲白血病网（ELN）预后评分。本研究旨在评估一个包含260例患者的多中心队列，涵盖所有类型的CALR突变MPN及多个随访样本，以模拟CALR等位基因负荷的时间演变。将在诊断时及3年内（每年最多1个样本）采集MPN患者的血液，用于CALR等位基因负荷的定量。在随访期间，将评估一种临床生物学评分，以确定每例患者在原发性血小板增多症（ET）和骨髓纤维化（MF）中疾病是否进展。
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。
