实体瘤软组织转移的放射治疗研究
该数据集来自 clinicaltrials.gov，聚焦于实体瘤软组织转移的放射治疗研究，覆盖浸润性导管乳腺癌、浸润性导管乳腺癌IV期、小叶乳腺癌、小叶乳腺癌IV期、非小细胞肺癌、NSCLC、胃肠道癌及胃肠道鳞状细胞癌等病种
基本信息
资源简介
实体瘤软组织转移的放射治疗研究
该数据集来自 clinicaltrials.gov，聚焦于实体瘤软组织转移的放射治疗研究，覆盖浸润性导管乳腺癌、浸润性导管乳腺癌IV期、小叶乳腺癌、小叶乳腺癌IV期、非小细胞肺癌、NSCLC、胃肠道癌及胃肠道鳞状细胞癌等病种。研究旨在比较 lattice radiation therapy（LRT）与标准 stereotactic body radiation therapy（SBRT）的疗效，并探讨两种技术对免疫细胞攻击和杀伤肿瘤细胞能力（免疫浸润）的影响。数据可用于放射治疗疗效预测及免疫反应相关分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：浸润性导管乳腺癌、浸润性导管乳腺癌IV期、小叶乳腺癌、小叶乳腺癌IV期、非小细胞肺癌、NSCLC、胃肠道癌、胃肠道鳞状细胞癌。本研究的目的是探究 lattice radiation therapy（LRT）与标准 stereotactic body radiation therapy（SBRT）相比是否是一种有效的放射治疗技术。该研究还将探讨不同放射治疗技术（LRT 和 SBRT）如何影响能够攻击和杀伤肿瘤细胞的免疫细胞数量（免疫浸润）。
【主题与分类】
主题标签：Invasive Ductal Breast Carcinoma、Lobular Breast Carcinoma、Lobular Breast Carcinoma Stage IV、Non Small Cell Lung Cancer、NSCLC、Gastrointestinal Cancer、Gastrointestinal Squamous Cell Cancer、Gastrointestinal Adenocarcinoma、Pancreatic Cancer、Bladder Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05837767
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/NCT05837767
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：浸润性导管乳腺癌、IV期浸润性导管乳腺癌、小叶乳腺癌、IV期小叶乳腺癌、非小细胞肺癌、NSCLC、胃肠道癌症、胃肠道鳞状细胞癌。本研究旨在探究与标准立体定向体部放射治疗（SBRT）相比，网格放射治疗（LRT）是否是一种有效的放射治疗技术。该研究还将探讨不同的放射治疗技术（LRT和SBRT）如何影响能够攻击和杀死肿瘤细胞的免疫细胞数量（免疫浸润）。
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。
