上呼吸消化道恶性肿瘤免疫生物学血液与组织采集
该数据集来自 clinicaltrials.gov,属于肿瘤/肺癌分类,聚焦上呼吸消化道恶性肿瘤的免疫生物学血液与组织采集

基本信息
资源简介
上呼吸消化道恶性肿瘤免疫生物学血液与组织采集
该数据集来自 clinicaltrials.gov,属于肿瘤/肺癌分类,聚焦上呼吸消化道恶性肿瘤的免疫生物学血液与组织采集。覆盖头颈癌、肺癌和胃肠道癌患者,纳入正在接受或可能接受具有免疫调节抗肿瘤作用治疗的人群。数据用于获取并归档生物标本,支持跨瘤种、跨治疗模式的免疫学研究,以探索化疗、激酶抑制剂、血管生成抑制剂、免疫调节单克隆抗体、细胞免疫治疗及放疗等对机体抗肿瘤免疫的潜在影响机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:头颈癌、肺癌、胃肠道癌。上呼吸消化道恶性肿瘤免疫生物学血液与组织采集方案是一项发现与探索性方案,将使研究者能够获取并归档来自头颈、胸腔和上消化道癌症患者的生物标本,这些患者正在接受或可能接受已知或推测具有免疫调节抗肿瘤作用的治疗。研究者旨在跨瘤种和治疗模式开展免疫学研究,以实现以下目标:1. 获得关于各种形式癌症治疗对抗肿瘤免疫潜在影响的机制性见解,包括但不限于化疗、激酶抑制剂、血管生成抑制剂、免疫调节单克隆抗体、细胞免疫治疗和放疗
【主题与分类】
主题标签:Head and Neck Cancer、Lung Cancer、Gastrointestinal Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05995821
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/NCT05995821
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:头颈癌、肺癌、胃肠道癌。上呼吸消化道恶性肿瘤免疫生物学血液和组织采集方案是一项发现性和探索性方案,将使研究者能够获取并归档来自头颈、胸腔和上消化道癌症患者的生物标本,这些患者正在接受或可能接受已知或推测具有免疫调节抗肿瘤作用的治疗。研究者旨在跨肿瘤类型和治疗方式开展免疫学研究,以实现以下目标:1. 深入了解各种形式的癌症治疗对抗肿瘤免疫的潜在影响机制,包括但不限于化疗、激酶抑制剂、血管生成抑制剂、免疫调节单克隆抗体、细胞免疫治疗和放射治疗。2. 确定新的肿瘤抗原及其与疾病生物学的相关性,并将抗原表达与免疫反应和疾病结局相关联。3. 评估潜在的免疫相关预后或治疗反应指标。4.
评估癌前病变(如非典型或发育不良痣、发育不良支气管上皮、结肠腺瘤)的免疫学特征,并将这些特征与浸润性癌症的特征进行比较。5. 研究新辅助和辅助癌症疗法(包括但不限于癌症疫苗)的免疫生物学。6. 开发基于蛋白质、RNA和DNA的血液标志物,以监测肿瘤负荷并预测和检测肿瘤复发。7. 评估接受免疫检查点阻断癌症治疗的患者中免疫相关毒性的致病机制。8. 表征肿瘤免疫微环境中导致免疫抑制、对肿瘤抗原耐受和癌症进展的因素及分子通路。9. 了解特定免疫相关不良事件(irAEs)的流行病学和风险因素,包括炎性关节炎、干燥综合征和肌炎
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。




