卡培他滨联合替莫唑胺治疗神经内分泌肿瘤
该数据集来自 clinicaltrials.gov,主题为卡培他滨联合替莫唑胺治疗神经内分泌肿瘤。源站描述指出,神经内分泌肿瘤(NET)是一类起源于神经内分泌细胞的肿瘤,涵盖类癌、胰腺内分泌肿瘤、分泌儿茶酚胺的肿瘤(如嗜铬细胞瘤)、甲状腺髓样癌和小细胞肺癌

基本信息
资源简介
卡培他滨联合替莫唑胺治疗神经内分泌肿瘤
该数据集来自 clinicaltrials.gov,主题为卡培他滨联合替莫唑胺治疗神经内分泌肿瘤。源站描述指出,神经内分泌肿瘤(NET)是一类起源于神经内分泌细胞的肿瘤,涵盖类癌、胰腺内分泌肿瘤、分泌儿茶酚胺的肿瘤(如嗜铬细胞瘤)、甲状腺髓样癌和小细胞肺癌。类癌多源于产生5-羟色胺的肠嗜铬细胞,最常见于胃肠道(67.5%)和支气管肺系统(25.3%)。NET按是否出现血浆激素升高及内分泌症状分为功能性和非功能性。该数据可用于肿瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:神经内分泌肿瘤。神经内分泌肿瘤(NET)是一个随时间演变而来的分类,涵盖一组均起源于神经内分泌细胞的相关肿瘤。该组包括类癌、胰腺内分泌肿瘤(PET)、分泌儿茶酚胺的肿瘤(如嗜铬细胞瘤)、甲状腺髓样癌和小细胞肺癌。类癌大多来源于产生5-羟色胺的肠嗜铬细胞,最常发生于胃肠道(67.5%)和支气管肺系统(25.3%)。胰腺内分泌肿瘤(PET)起源于几种类型的胰岛细胞,表现为胰岛素瘤、生长抑素瘤或胰高血糖素瘤。NET根据是否出现血浆激素升高和内分泌症状,大致分为功能性和非功能性。NET被分为两
【主题与分类】
主题标签:Neuroendocrine Tumors。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00869050
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/NCT00869050
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:神经内分泌肿瘤。神经内分泌肿瘤(NET)是一个随时间演变的分类,包括一组均源自神经内分泌细胞的相关肿瘤。此类别包括类癌瘤、胰腺内分泌肿瘤(PETs)、分泌儿茶酚胺的肿瘤(如嗜铬细胞瘤)、甲状腺髓样癌和小细胞肺癌。类癌瘤大多源自产生5-羟色胺的肠嗜铬细胞,最常见于胃肠道(67.5%)和支气管肺系统(25.3%)。胰腺内分泌肿瘤(PETs)起源于几种类型的胰岛细胞,表现为胰岛素瘤、生长抑素瘤或胰高血糖素瘤。NETs大致分为功能性和非功能性,依据是是否出现血浆激素升高和内分泌症状。NETs被分类为两组:1)快速生长的未分化小细胞癌,如小细胞肺癌和胃肠道小细胞癌;2)生长缓慢、分化较好的NETs,如类癌和PET。
在美国,每年估计共有12,000至15,000例NETs(不包括小细胞癌)被诊断。仅类癌肿瘤的发病率在美国估计为每10万人中2例(美国每年5,400例)。PETs较为少见,美国每年约有1,000新发病例。类癌和PETs有可能通过手术切除治愈;局限性类癌患者的5年生存率为78.2%。然而,这些肿瘤生长往往缓慢,患者常表现为不可切除或转移性疾病(占所有病例的80%)。伴随疾病的激素症状,如类癌综合征所示,增加了这些患者管理的复杂性。激素治疗,即奥曲肽,用于缓解症状,据报道其单独使用的反应率为1-5%。转移性疾病与显著
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。




