较大脑转移瘤大分割放疗方案试验 (BIGSHOT)
该数据集来自 clinicaltrials.gov,聚焦较大体积脑转移瘤的大分割放疗方案(BIGSHOT)。覆盖脑转移瘤及伴中枢神经系统受累的癌症患者,涉及肺癌、黑色素瘤、乳腺癌和肾细胞癌等常见原发肿瘤

基本信息
资源简介
较大脑转移瘤大分割放疗方案试验 (BIGSHOT)
该数据集来自 clinicaltrials.gov,聚焦较大体积脑转移瘤的大分割放疗方案(BIGSHOT)。覆盖脑转移瘤及伴中枢神经系统受累的癌症患者,涉及肺癌、黑色素瘤、乳腺癌和肾细胞癌等常见原发肿瘤。数据可用于比较立体定向放射外科(SRS)与全脑放疗(WBRT)在神经认知毒性及疗效方面的差异,支持脑转移治疗决策与预后预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑转移瘤、癌症(伴中枢神经系统受累)。随着全身治疗的进步使癌症患者生存期延长,脑转移瘤的诊断日益常见。高达26%的转移性癌症患者会发生脑转移(Nayak 2012),最常见于肺癌,也见于黑色素瘤、乳腺癌和肾细胞癌(Singh 2020)。历史上,脑转移瘤采用全脑放疗(WBRT)治疗。然而,过去10-15年间不断增加的证据以及技术进步,使治疗转向立体定向放射外科(SRS),这是一种仅针对可见肿瘤的聚焦治疗。SRS相较WBRT具有多重优势。最重要的是,与WBRT相比,SRS聚焦治疗可显著降低神经认知毒性风险,且在总生存方面无差异。
【主题与分类】
主题标签:Brain Metastases、Cancer (With CNS Involvement)。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07227610
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/NCT07227610
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:脑转移瘤、癌症(伴中枢神经系统受累)。脑转移瘤的诊断日益常见,因为随着全身治疗的进步,癌症患者的生存期不断延长。高达26%的转移性癌症患者会发生脑转移(Nayak 2012),最常见于肺癌,也见于黑色素瘤、乳腺癌和肾细胞癌(Singh 2020)。历史上,脑转移瘤采用全脑放射治疗(WBRT)。然而,过去10-15年间不断增加的证据以及技术的进步,使治疗方向转向立体定向放射外科(SRS),这是一种仅针对可见肿瘤的聚焦治疗。SRS相较于WBRT具有多项优势。最重要的是,与WBRT相比,SRS聚焦治疗可显著降低神经认知毒性的风险,而总生存期无差异(Chang 2009, Brown 2016, Aoyama 2006)。SRS也更方便,仅需1至3次治疗,而WBRT则需要2周的治疗。
因此,对于脑转移瘤数量有限的患者,SRS 现已成为首选方案,这一点在 NCCN 指南和 ASTRO 指南中均得到认可(Gondi 2022)。对于小于 2 cm 的未处理转移瘤,单纯 SRS 的局部控制效果极佳(Redmond 2021)。然而,对于较大的肿瘤,通过放疗实现长期局部控制更为困难。肿瘤剂量取决于毒性风险(特别是放射性坏死),因此对于较大的肿瘤,剂量会降低(RTOG 90-05,Johannwerner 2023)。这导致对大于 2 cm 的肿瘤控制效果欠佳。对于单次 SRS,局部控制率估计约为 70%,而对于分次 SRS(3-5 次),约为 80%(Redmond 2021)。对于仅采用放射外科治疗大型未处理脑转移瘤,有两种常见方法。分次 SRS 涉及在 3-5 次独立的每日治疗中处理肿瘤。这允许正常组织在间隔期间恢复,因此可能降低毒性风险(Minitti 20
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。
![使用[C-11]-CS1P1的中枢神经系统原发性和继发性恶性肿瘤炎症](/medical-api/medicalDataset/datasetCover/39110.jpg)



