化疗和放疗联合或不联合盐酸二甲双胍治疗III期非小细胞肺癌患者
该数据集来自clinicaltrials.gov，聚焦于III期非小细胞肺癌（NSCLC）患者，探索在放化疗基础上加用盐酸二甲双胍（MET）能否改善无进展生存期（PFS），并评估其对总生存期（OS）、局部区域进展时间（LRP）、远处转移时间（DM）及治疗毒性的影响，同时收集生物标本以开发MET活性生
基本信息
资源简介
化疗和放疗联合或不联合盐酸二甲双胍治疗III期非小细胞肺癌患者
该数据集来自clinicaltrials.gov，聚焦于III期非小细胞肺癌（NSCLC）患者，探索在放化疗基础上加用盐酸二甲双胍（MET）能否改善无进展生存期（PFS），并评估其对总生存期（OS）、局部区域进展时间（LRP）、远处转移时间（DM）及治疗毒性的影响，同时收集生物标本以开发MET活性生物标志物。数据涵盖腺鳞癌、细支气管肺泡癌、大细胞肺癌、肺腺癌、复发非小细胞肺癌、鳞状细胞肺癌等多种亚型，可用于肺癌治疗方案的预测建模与疗效分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：腺鳞癌、细支气管肺泡癌、大细胞肺癌、肺腺癌、非小细胞肺癌、复发性非小细胞肺癌、鳞状细胞肺癌、IIIA期非小细胞肺癌。主要目标：I. 确定在放化疗中加入盐酸二甲双胍（MET）能否改善局部晚期非小细胞肺癌（NSCLC）患者的无进展生存期（PFS）。次要目标：I. 确定MET对总生存期（OS）、局部区域进展时间（LRP）和远处转移时间（DM）的影响。II. 评估MET对所有治疗完成后1年内放化疗毒性（常见不良事件评价标准，第4版[CTCAE，v. 4]）的影响。III. 收集生物标本以开发MET活性的生物标志物。大纲：患者a
【主题与分类】
主题标签：Adenosquamous Lung Carcinoma、Bronchioloalveolar Carcinoma、Large Cell Lung Carcinoma、Lung Adenocarcinoma、Non-Small Cell Lung Carcinoma、Recurrent Non-Small Cell Lung Carcinoma、Squamous Cell Lung Carcinoma、Stage IIIA Non-Small Cell Lung Cancer、Stage IIIB Non-Small Cell Lung Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02186847
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/NCT02186847
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
疾病类型：肺腺鳞癌、细支气管肺泡癌、大细胞肺癌、肺腺癌、非小细胞肺癌、复发性非小细胞肺癌、肺鳞状细胞癌、IIIA期非小细胞肺癌。主要目标：I. 确定在放化疗基础上加用盐酸二甲双胍（MET）能否改善局部晚期非小细胞肺癌（NSCLC）患者的无进展生存期（PFS）。次要目标：I. 确定MET对总生存期（OS）、局部区域进展时间（LRP）和远处转移时间（DM）的影响。II. 评估MET对所有治疗完成后1年内放化疗毒性（不良事件通用术语标准，第4版[CTCAE，v.4]）的影响。III. 收集生物标本以开发MET活性的生物标志物。研究大纲：患者被随机分配到2个治疗组中的1组。研究治疗完成后，对患者进行随访，时间为4-6周，2年内每3个月1次，3年内每6个月1次，此后每年1次。
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。
