人肿瘤微血管内皮对电离辐射反应的分析
该数据集来源于 clinicaltrials.gov,聚焦人肿瘤微血管内皮对电离辐射(IR)的反应,涉及卵巢肿瘤、结直肠肿瘤、黑色素瘤、小细胞肺癌和脂肪肉瘤等病种

基本信息
资源简介
人肿瘤微血管内皮对电离辐射反应的分析
该数据集来源于 clinicaltrials.gov,聚焦人肿瘤微血管内皮对电离辐射(IR)的反应,涉及卵巢肿瘤、结直肠肿瘤、黑色素瘤、小细胞肺癌和脂肪肉瘤等病种。研究旨在验证小鼠模型中关于肿瘤微血管对 IR 反应的机制是否适用于人类肿瘤,以评估内皮反应作为人类肿瘤 IR 治疗靶点的有效性。肿瘤组织取自签署知情同意并在 Memorial Sloan-Kettering Cancer Center 多个外科部门接受手术的患者,在病理诊断取材充分后获取残余组织,进行离体照射并观察微血管内皮反应(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:卵巢肿瘤、结直肠肿瘤、黑色素瘤、小细胞肺癌、脂肪肉瘤。本研究的目的是确定在小鼠肿瘤微血管对电离辐射(IR)治疗反应的模型中建立的概念是否适用于人类肿瘤,以便开始确立内皮反应的参与是人类肿瘤中 IR 的有效靶点。将从已签署本方案知情同意书并正在 Memorial Sloan-Kettering Cancer Center 的神经外科、结直肠科、妇科、头颈科、泌尿科和肝胆科服务部门接受手术的个体中分离一部分肿瘤。在病理科已获取足够用于诊断的标本后,将从手术样本中获取肿瘤组织。肿瘤组织将在离体条件下接受照射,微血管内皮反应将
【主题与分类】
主题标签:Ovarian Neoplasms、Colorectal Neoplasms、Melanoma、Small Cell Lung Cancer、Liposarcoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00132704
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/NCT00132704
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:卵巢肿瘤、结直肠肿瘤、黑色素瘤、小细胞肺癌、脂肪肉瘤。本研究旨在确定在小鼠肿瘤微血管对电离辐射(IR)治疗反应模型中建立的概念是否适用于人类肿瘤,从而初步证实内皮反应参与是IR在人类肿瘤中的一个有效靶点。将从已签署本方案知情同意书并在纪念斯隆-凯特琳癌症中心神经外科、结直肠科、妇科、头颈科、泌尿科和肝胆科接受手术的个体中分离部分肿瘤。在病理科获取足够用于诊断的标本后,将从手术样本中获取肿瘤组织。肿瘤组织将在离体条件下接受照射,并测定微血管内皮反应。对于大小足够的标本,将分离出纯肿瘤内皮细胞群,并测定其对IR的反应。主要结局:* 确定人类肿瘤微血管内皮是否显示出与小鼠肿瘤内皮相似的剂量参数。
次要结局:* 确定分离至近乎纯度的肿瘤内皮是否显示出与脑肿瘤单次放疗所用剂量参数相似的剂量参数。* 确定不同类型肿瘤的微血管内皮在对照射的反应中是否表现相似。
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。




