LED疗法预防儿童化疗伴或不伴放疗后骨髓移植前口腔黏膜炎
该数据集来自clinicaltrials.gov,聚焦于儿童在接受骨髓移植前清髓性预处理(化疗伴或不伴放疗)期间,使用NASA研发的发光二极管(LED)疗法预防口腔黏膜炎的研究

基本信息
资源简介
LED疗法预防儿童化疗伴或不伴放疗后骨髓移植前口腔黏膜炎
该数据集来自clinicaltrials.gov,聚焦于儿童在接受骨髓移植前清髓性预处理(化疗伴或不伴放疗)期间,使用NASA研发的发光二极管(LED)疗法预防口腔黏膜炎的研究。覆盖慢性骨髓增殖性疾病、肾癌、白血病、淋巴瘤、多发性骨髓瘤、骨髓增生异常综合征、神经母细胞瘤等病种。研究为随机双盲多中心设计,比较预处理期至移植后持续LED治疗与仅移植后LED治疗对口腔黏膜炎发生率和严重程度的影响,可用于口腔黏膜炎预防策略的疗效预测与相关临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性骨髓增殖性疾病、肾癌、白血病、淋巴瘤、多发性骨髓瘤和浆细胞肿瘤、骨髓增生异常综合征、骨髓增生异常/骨髓增殖性肿瘤、神经母细胞瘤。目的:比较在移植前清髓性预处理方案(化疗伴或不伴放疗)期间开始并持续至骨髓移植(BMT)后阶段接受NASA研发的发光二极管(LED)治疗的儿童,与仅在BMT后阶段接受LED治疗的儿童,口腔黏膜炎的发生率和严重程度。方案:这是一项随机、双盲、多中心研究。患者按参与中心和治疗侧颊(右 vs 左)分层。患者随机接受1种LED治疗方案。* 第I组:患者接受LED治疗71秒,每日一次,开始于
【主题与分类】
主题标签:Chronic Myeloproliferative Disorders、Kidney Cancer、Leukemia、Lymphoma、Myelodysplastic Syndromes、Neuroblastoma、Oral Complications、Ovarian Cancer、Pain、Sarcoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00036712
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/NCT00036712
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:慢性骨髓增殖性疾病、肾癌、白血病、淋巴瘤、多发性骨髓瘤及浆细胞肿瘤、骨髓增生异常综合征、骨髓增生异常/骨髓增殖性肿瘤、神经母细胞瘤。目的:* 比较在接受移植前清髓性预处理方案(化疗联合或不联合放疗)期间开始并持续至骨髓移植(BMT)后阶段接受NASA研发的发光二极管(LED)治疗的儿童,与仅在BMT后阶段接受LED治疗的儿童,在口腔黏膜炎的发生率和严重程度上的差异。方案概述:这是一项随机、双盲、多中心研究。患者按参与中心和接受治疗的颊部(右侧 vs 左侧)进行分层。患者随机接受1种或2种发光二极管(LED)治疗方案。* 第I组:患者从清髓性预处理方案(包括化疗联合或不联合放疗)第1天开始,每日接受一次为期71秒的LED治疗,并持续至骨髓移植(BMT)后14天。
- 第二组:患者从BMT当天(第0天)开始接受与第一组相同的LED治疗,并持续至BMT后14天。在基线和LED治疗第1天起每3天拍摄左右颊黏膜照片。使用Wong-Baker“笑脸”疼痛量表在基线和BMT后14天内定期评估疼痛和口干症。患者每月随访一次,持续2年。预计入组:本研究将在2年内共入组80名患者(每组40名)。
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。




