奥沙利铂治疗既往治疗无效的复发性实体瘤年轻患者
该数据集来自 clinicaltrials.gov，聚焦奥沙利铂用于治疗既往治疗未应答的复发性实体瘤年轻患者，覆盖儿童中枢神经系统生殖细胞肿瘤、性腺外生殖细胞肿瘤、肝母细胞瘤、肝细胞癌、高级别与低级别脑星形细胞瘤、恶性卵巢及睾丸生殖细胞肿瘤等病种
基本信息
资源简介
奥沙利铂治疗既往治疗无效的复发性实体瘤年轻患者
该数据集来自 clinicaltrials.gov，聚焦奥沙利铂用于治疗既往治疗未应答的复发性实体瘤年轻患者，覆盖儿童中枢神经系统生殖细胞肿瘤、性腺外生殖细胞肿瘤、肝母细胞瘤、肝细胞癌、高级别与低级别脑星形细胞瘤、恶性卵巢及睾丸生殖细胞肿瘤等病种。研究目标包括评估应答率、累积毒性、药代动力学特征、进展时间与总生存，并分析奥沙利铂暴露程度与应答的相关性。数据可用于儿童复发或难治性实体瘤治疗反应与预后相关建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：儿童中枢神经系统生殖细胞肿瘤、儿童性腺外生殖细胞肿瘤、儿童肝母细胞瘤、儿童肝细胞癌、儿童高级别脑星形细胞瘤、儿童低级别脑星形细胞瘤、儿童恶性卵巢生殖细胞肿瘤、儿童恶性睾丸生殖细胞肿瘤。目标：I. 确定奥沙利铂治疗复发性或难治性实体瘤儿童的应答率。II. 确定该药在这些患者中的累积毒性。III. 确定该药在这些患者中的药代动力学特征。IV. 确定接受该药治疗患者的进展时间和总生存期。V. 将这些患者中奥沙利铂暴露程度与应答相关联。概要：这是一项多中心研究。患者按疾病类型分层。患者接受奥沙利铂
【主题与分类】
主题标签：Childhood Extragonadal Germ Cell Tumor、Childhood Hepatoblastoma、Childhood Hepatocellular Carcinoma、Childhood Low-grade Cerebral Astrocytoma、Childhood Teratoma、Recurrent Adrenocortical Carcinoma、Recurrent Childhood Brain Stem Glioma、Recurrent Childhood Cerebral Astrocytoma、Recurrent Childhood Ependymoma、Recurrent Childhood Liver Cancer。本站分类：肿瘤/肝癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00091182
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/NCT00091182
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：儿童中枢神经系统生殖细胞肿瘤、儿童性腺外生殖细胞肿瘤、儿童肝母细胞瘤、儿童肝细胞癌、儿童高级别大脑星形细胞瘤、儿童低级别大脑星形细胞瘤、儿童恶性卵巢生殖细胞肿瘤、儿童恶性睾丸生殖细胞肿瘤。目的：I. 确定奥沙利铂治疗复发或难治性实体瘤儿童患者的缓解率。II. 确定该药物在这些患者中的累积毒性。III. 确定该药物在这些患者中的药代动力学特征。IV. 确定接受该药物治疗的患者的疾病进展时间和总生存期。V. 将这些患者中奥沙利铂暴露程度与缓解情况相关联。方案概述：这是一项多中心研究。患者根据疾病类型进行分层。患者在第1天接受奥沙利铂静脉注射，输注时间超过2小时。在没有疾病进展或不可接受的毒性的情况下，每21天重复治疗，最多17个疗程。
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。
