DREAM:面向肺局限性恶性肿瘤的双肺移植登记研究
DREAM 是一个面向肺局限性恶性肿瘤的双肺移植登记研究,来源站为 clinicaltrials.gov,本站分类为肿瘤/肺癌

基本信息
资源简介
DREAM:面向肺局限性恶性肿瘤的双肺移植登记研究
DREAM 是一个面向肺局限性恶性肿瘤的双肺移植登记研究,来源站为 clinicaltrials.gov,本站分类为肿瘤/肺癌。该数据集覆盖肺癌、双侧癌症与肺移植相关主题,涉及自1963年首次为晚期肺癌患者实施人体肺移植以来的临床背景,以及针对无肺外转移的难治性肺局限性恶性肿瘤开展肺移植的实践。数据可用于研究移植后肿瘤复发风险、生存情况,以及肺局限性转移(如肉瘤治疗成功后)患者的未满足需求,支持相关预测与临床决策分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺癌、双侧癌症、肺移植。自1963年首次对一名晚期肺癌患者实施人体肺移植以来[1],肺移植已成为治疗多种终末期肺部疾病患者的成熟手段。尽管肺移植仍在用于治疗无肺外疾病的难治性肺局限性恶性肿瘤[2-6],但考虑到移植后肿瘤复发的风险以及相比慢性终末期肺病患者可能降低的生存率,癌症相关移植占所有此类手术的比例不足0.5%(www.srtr.org)。肺移植的需求不仅限于原发性肺癌患者。对于原发性肿瘤(如肉瘤)成功治疗后出现肺局限性转移的患者,仍存在未满足的需求。
【主题与分类】
主题标签:Lung Cancer、Bilateral Cancer、Lung Transplant。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05671887
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/NCT05671887
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:肺癌、双侧癌、肺移植。自1963年首次对晚期肺癌患者实施人肺移植以来[1],肺移植已成为治疗多种终末期肺部疾病患者的一种成熟方法。尽管肺移植继续用于无肺外疾病的难治性肺局限性恶性肿瘤[2-6],但考虑到移植后肿瘤复发的风险以及相较于慢性终末期肺病患者可能降低的生存率,因癌症而进行的移植占所有此类手术的不到0.5%(www.srtr.org)。肺移植的需求不仅限于原发性肺癌患者。对于原发性肿瘤如肉瘤或结直肠癌(CRC)成功治疗后出现肺局限性转移的患者,仍存在未满足的需求。事实上,对于标准治疗难治的仅肺转移,肺移植的成功报告已被证实[3],并由国际专家在高度选择的患者中提出[6]。
实体器官移植用于原发性和转移性癌症已在肝移植中得到证实[7, 8]。尽管不常实施,但对于难治性肺癌或合并呼吸衰竭的患者,肺移植可能是唯一的治疗选择。在一些既往报告中,因肺癌接受双肺移植(DLT)的患者的5年总生存率为39-57%[2, 9],而非恶性疾病患者为50-59%[10, 11]。事实上,正如国际肺移植学会(ISHLT)所显示的那样,因癌症而进行的肺移植一直在稳步增加[4-6]。然而,所报告的病例在手术技术、患者选择和术后管理方面存在异质性。这项前瞻性观察性注册研究旨在更好地了解接受双肺移植患者的长期结局
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。




