Tucatinib联合Trastuzumab治疗HER2改变实体瘤的篮式研究
该数据集来自clinicaltrials.gov，收录一项针对HER2改变实体瘤的篮式试验。试验包含多个队列：5个HER2过表达/扩增的肿瘤特异性队列（宫颈癌、子宫癌、胆道癌、尿路上皮癌、非鳞状非小细胞肺癌），2个HER2突变的肿瘤特异性队列（非鳞状NSCLC和乳腺癌），以及2个涵盖其他HER2扩增
基本信息
资源简介
Tucatinib联合Trastuzumab治疗HER2改变实体瘤的篮式研究
该数据集来自clinicaltrials.gov，收录一项针对HER2改变实体瘤的篮式试验。试验包含多个队列：5个HER2过表达/扩增的肿瘤特异性队列（宫颈癌、子宫癌、胆道癌、尿路上皮癌、非鳞状非小细胞肺癌），2个HER2突变的肿瘤特异性队列（非鳞状NSCLC和乳腺癌），以及2个涵盖其他HER2扩增/过表达或HER2突变实体瘤类型的队列。数据可用于研究Tucatinib联合Trastuzumab在多种HER2相关肿瘤中的治疗探索（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：子宫肿瘤、子宫颈肿瘤、胆道肿瘤、泌尿系统肿瘤、非小细胞肺癌、HER2突变乳腺癌。本试验包含多个队列： 5个具有HER2过表达/扩增的肿瘤特异性队列（宫颈癌、子宫癌、胆道癌、尿路上皮癌和非鳞状非小细胞肺癌[NSCLC]） 2个具有HER2突变的肿瘤特异性队列（非鳞状NSCLC和乳腺癌）* 2个将入组所有其他HER2扩增/过表达实体瘤类型（乳腺癌、胃或胃食管结合部腺癌[GEC]和结直肠癌[CRC]除外）或HER2突变实体瘤类型的队列。
【主题与分类】
主题标签：Uterine Neoplasms、Uterine Cervical Neoplasms、Biliary Tract Neoplasms、Urologic Neoplasms、Carcinoma, Non-Small-Cell Lung、HER2 Mutations Breast Neoplasms。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04579380
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/NCT04579380
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：子宫肿瘤、宫颈肿瘤、胆道肿瘤、泌尿系统肿瘤、非小细胞肺癌、HER2突变乳腺癌。本试验设有多个队列：* 5个HER2过表达/扩增的肿瘤特异性队列（宫颈癌、子宫癌、胆道癌、尿路上皮癌和非鳞状非小细胞肺癌[NSCLC]）* 2个HER2突变的肿瘤特异性队列（非鳞状NSCLC和乳腺癌）* 2个队列，将入组所有其他HER2扩增/过表达的实体瘤类型（乳腺癌、胃或胃食管交界处腺癌[GEC]和结直肠癌[CRC]除外）或HER2突变的实体瘤类型。
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。
