肝细胞癌患者接受放疗的免疫反应与结局评估

该数据集来自 clinicaltrials.gov,聚焦肝细胞癌患者接受放疗后的免疫反应与临床结局评估。源站描述指出,放疗是局部实体瘤的有效治疗手段,也是不可切除肝细胞癌的基础治疗之一;既往临床前研究显示放疗可诱导免疫原性细胞死亡并促进抗原交叉呈递,从而增强系统性抗肿瘤 T 细胞反应,但该免疫反应尚

Chang Gung Memorial HospitalChang Gung Memorial Hospital
clinicaltrials
浏览 18
医学影像预测Hepatocellular Carcinoma
Evaluation of Immune Responses and Outcomes in Patients With Hepatocellular Carcinoma Undergoing Radiotherapy

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-07

资源简介

肝细胞癌患者接受放疗的免疫反应与结局评估

该数据集来自 clinicaltrials.gov,聚焦肝细胞癌患者接受放疗后的免疫反应与临床结局评估。源站描述指出,放疗是局部实体瘤的有效治疗手段,也是不可切除肝细胞癌的基础治疗之一;既往临床前研究显示放疗可诱导免疫原性细胞死亡并促进抗原交叉呈递,从而增强系统性抗肿瘤 T 细胞反应,但该免疫反应尚未在肝细胞癌患者临床试验中全面评估。正在进行的 II 期非随机试验旨在前瞻性评估免疫学反应与剂量体积参数,并识别预测因素。数据可用于放疗免疫效应与结局预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肝细胞癌。放射治疗是管理局部实体瘤的高效手段,已成为治疗不可切除肝细胞癌的基本组成部分。我们此前的临床前研究显示,放疗可启动免疫原性细胞死亡,并促进抗原呈递细胞对肿瘤抗原的交叉呈递,从而在小鼠肿瘤模型中增强系统性抗肿瘤 T 细胞反应。然而,在涉及肝细胞癌患者的临床试验中,照射后的这种免疫反应尚未得到全面评估。鉴于放疗是不可切除肝细胞癌的标准治疗方法,我们正在进行的 II 期非随机试验旨在前瞻性评估免疫学反应和剂量体积参数,同时识别预测

【主题与分类】

主题标签:Hepatocellular Carcinoma。本站分类:肿瘤/肝癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06379256

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/NCT06379256

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

疾病:肝细胞癌。放射治疗是治疗局限性实体瘤的一种高效手段,已成为不可切除肝细胞癌治疗的基本组成部分。我们此前的临床前研究显示,放疗能够引发免疫原性细胞死亡,并促进抗原呈递细胞对肿瘤抗原的交叉呈递,从而在小鼠肿瘤模型中增强全身性抗肿瘤T细胞反应。然而,在接受放射治疗后出现的这种免疫反应尚未在涉及肝细胞癌患者的临床试验中得到全面评估。鉴于放疗是不可切除肝细胞癌的标准治疗方法,我们正在进行的II期非随机试验旨在前瞻性地评估免疫反应和剂量-体积参数,同时确定接受根治性放疗的肝细胞癌患者临床结局的预测因素。

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