CCC与转移性肝癌放射栓塞治疗简化研究
该数据集来自 clinicaltrials.gov,聚焦于胆管癌(CCC)与转移性肝癌的经动脉放射栓塞(TARE)治疗。数据涉及转移性结直肠癌(mCRC)、转移性肝癌和胆管癌等病症,包含放射性微球尺寸、肝窦直径、肿瘤血管异常扩张及微球可能进入肺循环导致放射性肺炎等关键信息

基本信息
资源简介
CCC与转移性肝癌放射栓塞治疗简化研究
该数据集来自 clinicaltrials.gov,聚焦于胆管癌(CCC)与转移性肝癌的经动脉放射栓塞(TARE)治疗。数据涉及转移性结直肠癌(mCRC)、转移性肝癌和胆管癌等病症,包含放射性微球尺寸、肝窦直径、肿瘤血管异常扩张及微球可能进入肺循环导致放射性肺炎等关键信息。术前评估包括血管造影和核医学成像,分别用于确定治疗血管数量与靶区、评估肺分流分数。该数据可用于分析TARE治疗的安全性、术前评估流程及并发症风险预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:转移性结直肠癌(mCRC)、转移性肝癌、胆管癌。TARE(经动脉放射栓塞)中使用的放射性微球非常小,尺寸约为20-60微米。由于肝窦直径小于15微米,微球无法通过正常肝实质。然而,肿瘤含有异常扩张的肿瘤血管,使微球能够穿过肿瘤并可能流入肝静脉。如果大量微球到达肺部,可能导致放射性肺炎,甚至可能致死。术前评估包括血管造影和核医学成像。血管造影确定需要治疗的血管数量和靶区,而核医学成像用于评估肺分流分数。因此,术前评估
【主题与分类】
主题标签:Metastatic Colorectal Carcinoma (mCRC)、Metastatic Liver Cancer、Cholangiocarcinoma。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07043387
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/NCT07043387
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:转移性结直肠癌(mCRC)、转移性肝癌、胆管癌。TARE(经动脉放射栓塞)中使用的放射性微球非常小,直径约为20-60微米。由于肝窦直径小于15微米,微球无法通过正常肝实质。然而,肿瘤内含有异常扩张的肿瘤血管,使得微球能够穿过肿瘤并可能流入肝静脉。若大量微球到达肺部,可导致放射性肺炎,甚至可能致死。术前评估包括血管造影和核医学成像。血管造影确定需治疗的血管数量及目标区域,而核医学成像用于评估肺分流分数。因此,首先进行术前评估:实施血管造影,向肝动脉注入大颗粒聚合白蛋白(MAA),并进行闪烁扫描和SPECT/CT以评估肺分流。若肺分流分数超过20%,则TARE不可行。
如果分流在10-20%之间,TARE的可行性取决于肿瘤大小。通常,TARE在术前评估后1-2周进行。提示高肺分流分数的发现包括大肿瘤、肝静脉侵犯、TIPS(经颈静脉肝内门体分流术)以及畸形瘤内血管。畸形瘤内血管在转移性肝癌和肝内胆管癌中非常罕见。由于两者均为腺癌,其肿瘤血管通常比肝细胞癌少,因此肺分流分数较低。根据首尔国立大学医院过去10年的经验,大小小于7厘米、无肝静脉侵犯或畸形瘤内血管的mCRC和胆管癌,几乎总是显示肺分流分数低于5%。此外,当肿瘤小于7厘米时,治疗区域小,所需放射活性也较少。
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。




