131-I-TM-601 在成人实体瘤中的研究
该数据集来自 clinicaltrials.gov，为一项多中心、开放标签、非随机、序贯、患者内剂量递增研究，针对复发或难治性原发性实体瘤伴转移（包括脑转移）的成人患者
基本信息
资源简介
131-I-TM-601 在成人实体瘤中的研究
该数据集来自 clinicaltrials.gov，为一项多中心、开放标签、非随机、序贯、患者内剂量递增研究，针对复发或难治性原发性实体瘤伴转移（包括脑转移）的成人患者。覆盖乳腺癌、非小细胞肺癌、黑色素瘤、结直肠癌、胰腺癌、前列腺腺癌、胶质瘤及原发性实体瘤。患者接受 1 至 3 次递增剂量的 131-I-TM-601 静脉给药，并在每次给药前后进行剂量测定，评估骨髓、膀胱、脑、肝、甲状腺等关键结构的全身剂量。可用于肿瘤靶向放射性药物剂量学与安全性相关建模分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：乳腺癌、非小细胞肺癌、黑色素瘤、结直肠癌、胰腺癌、前列腺腺癌、胶质瘤、原发性实体瘤。这是一项多中心、开放标签、非随机、序贯、患者内剂量递增研究，受试者为复发或难治性原发性实体瘤伴转移（包括脑转移）的患者。患者将通过静脉（IV）给药接受 1 至 3 次（试验剂量 A、B 和剂量 C）递增剂量的 131-I-TM-601，并在每次给药前后进行剂量测定（基于影像评估到达靶部位的剂量）。将确定关键结构（包括但不限于骨髓、膀胱、脑、肝和甲状腺）的全身剂量测定。每位患者的试验剂量水平（A 和/或 B）的初步结果将在……之前进行分析
【主题与分类】
主题标签：Breast Cancer、Non-Small Cell Lung Cancer、Melanoma、Colorectal Cancer、Pancreatic Cancer、Prostate Adenocarcinoma、Glioma、Primary Solid Tumors。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00379132
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/NCT00379132
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：乳腺癌、非小细胞肺癌、黑色素瘤、结直肠癌、胰腺癌、前列腺腺癌、胶质瘤、原发性实体瘤。这是一项多中心、开放标签、非随机、序贯、患者内剂量递增研究，受试者为复发或难治性原发性实体瘤伴转移（包括脑转移）的患者。患者将通过静脉（IV）给药接受1至3个递增剂量（试验剂量A、B和剂量C）的131-I-TM-601，并在每次给药前后进行剂量测定（基于影像的靶部位剂量评估）。将测定关键结构的全身剂量测定，包括但不限于骨髓、膀胱、脑、肝和甲状腺。在对患者进行剂量C治疗之前，将分析每位患者试验剂量水平（A和/或B）的初步结果。患者将被随访至末次给药后28天，并在最终随访访视时进行完整的临床评估和影像学评估。
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。
