EUS引导下RFA治疗腹部实体肿瘤

该数据集来自clinicaltrials.gov,聚焦EUS引导下射频消融(RFA)治疗腹部实体肿瘤,属于肿瘤/肝癌分类

Chinese University of Hong KongChinese University of Hong Kong
clinicaltrials
浏览 6
其他预测Digestive System Neoplasms
EUS-guided RFA for Solid Abdominal Neoplasms

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

EUS引导下RFA治疗腹部实体肿瘤

该数据集来自clinicaltrials.gov,聚焦EUS引导下射频消融(RFA)治疗腹部实体肿瘤,属于肿瘤/肝癌分类。源站描述显示,RFA通过高频交流电产生局部高温导致凝固性坏死,已广泛用于实体器官肿瘤,在肝细胞癌和结直肠肺转移中为标准疗法。本研究为多中心前瞻性研究,涉及四家国际高容量机构,连续招募肝脏、胃和肾上腺实体肿瘤患者,使用19G RFA电极和VIVA RF发生器,主要结局为总体不良事件。数据可用于评估该技术的安全性及预后预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:消化系统肿瘤。RFA通过施加高频交流电导致组织破坏,产生高于60°C的局部温度并导致凝固性坏死。该技术已广泛用于许多实体器官肿瘤,并已显示其5年生存率与手术相当。该技术目前是肝细胞癌和结直肠肺转移的标准疗法,尤其适用于不适合手术的患者。当前研究将是一项多中心前瞻性研究,涉及四家高容量国际机构。将连续招募患有肝脏、胃和肾上腺实体肿瘤的患者。EUS引导的RFA将使用19号RFA电极和VIVA RF发生器(STARmed,韩国)进行。主要结局将是总体不良

【主题与分类】

主题标签:Digestive System Neoplasms。本站分类:肿瘤/肝癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03221335

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03221335

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:消化系统肿瘤。射频消融通过应用高频交流电导致组织破坏,产生局部温度超过60°C,引起凝固性坏死。该技术已广泛应用于多种实体器官肿瘤,并已证明其5年生存率与手术相当。该技术目前是肝细胞癌和结直肠肺转移的标准治疗方法,特别适用于不适合手术的患者。当前研究将是一项涉及四家高容量国际机构的多中心前瞻性研究。将连续招募患有肝脏、胃和肾上腺实体肿瘤的患者。EUS引导下的RFA将使用19号RFA电极和VIVA射频发生器(STARmed,韩国)进行。主要结果将是总体不良事件发生率。次要结果包括死亡率、技术成功率、完全消融率、1年和3年总体及无病生存率。

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。

获取专属数据定制方案