单克隆抗体治疗软脑膜癌症患者
该数据集来自 clinicaltrials.gov,聚焦于单克隆抗体治疗软脑膜癌症的临床试验。覆盖脑和中枢神经系统肿瘤、眼内黑色素瘤、肺癌、皮肤黑色素瘤、神经母细胞瘤、视网膜母细胞瘤及肉瘤等病种

基本信息
资源简介
单克隆抗体治疗软脑膜癌症患者
该数据集来自 clinicaltrials.gov,聚焦于单克隆抗体治疗软脑膜癌症的临床试验。覆盖脑和中枢神经系统肿瘤、眼内黑色素瘤、肺癌、皮肤黑色素瘤、神经母细胞瘤、视网膜母细胞瘤及肉瘤等病种。研究旨在定义鞘内注射碘 I 131 单克隆抗体 3F8(I-3F8)在 GD2 阳性软脑膜肿瘤患者中的临床毒性,判断其能否检出 GD2 阳性软脑膜肿瘤,并测量脑脊液水平及血清药代动力学。该数据可用于毒性预测、药代动力学建模及肿瘤检测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑和中枢神经系统肿瘤、眼内黑色素瘤、肺癌、黑色素瘤(皮肤)、神经母细胞瘤、视网膜母细胞瘤、肉瘤。目标: 定义鞘内注射碘 I 131 单克隆抗体 3F8(I-3F8)在 GD2 阳性软脑膜肿瘤患者中的临床毒性。 确定 I-3F8 能否检测 GD2 阳性软脑膜肿瘤。* 测量这些患者中 I-3F8 的脑脊液(CSF)水平和血清药代动力学。概要:这是一项剂量递增研究。患者接受单次脑室内或鞘内注射碘 I 131 单克隆抗体 3F8。首次给药后 6 周无客观疾病进展且无 3 级或 4 级毒性的患者可接受第二次注射。至少 3 名患者的队列以递增剂量的 I-3F8 入组。如果 3 名患者中有 1 名或更多出现 3 级或更严重毒性,则
【主题与分类】
主题标签:Brain and Central Nervous System Tumors、Intraocular Melanoma、Lung Cancer、Melanoma (Skin)、Neuroblastoma、Retinoblastoma、Sarcoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00003022
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/NCT00003022
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:脑与中枢神经系统肿瘤、眼内黑色素瘤、肺癌、黑色素瘤(皮肤)、神经母细胞瘤、视网膜母细胞瘤、肉瘤。目的:* 确定鞘内注射碘I 131单克隆抗体3F8(I-3F8)在GD2阳性软脑膜肿瘤患者中的临床毒性。* 判断I-3F8能否检测到GD2阳性软脑膜肿瘤。* 测定这些患者脑脊液(CSF)中I-3F8的水平及血清药代动力学。方案概述:这是一项剂量递增研究。患者接受单次脑室内或鞘内注射碘I 131单克隆抗体3F8。首次给药后6周无客观疾病进展且无3级或4级毒性的患者,可接受第二次注射。按递增剂量组入组,每组至少3名患者。若某一剂量水平下3名患者中有1名或以上出现3级或更严重毒性,则在该剂量水平额外入组3名患者。若某一剂量水平下6名患者中有2名或以上出现3级或更严重毒性,则该剂量被确定为最大耐受剂量(MTD)。患者每周随访一次,持续4周。
预计入组人数:本研究将在2-3年内入组约3-30名患者。
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。




