Panitumumab-IRDye800 在肺癌手术中检测癌症
研究为 I 期剂量递增后接 II 期，主要目标是在离体条件下通过肿瘤与背景比值确定最佳剂量和输注时机，次要目标包括评估安全性与耐受性，以及判断近红外荧光成像能否检出原发肺肿瘤或阳性淋巴结而白光成像不能
基本信息
资源简介
Panitumumab-IRDye800 在肺癌手术中检测癌症
该数据集来自 clinicaltrials.gov，聚焦肺癌手术中应用 Panitumumab-IRDye800 检测癌症。覆盖 Lung Carcinoma、Metastatic Malignant Neoplasm in the Lung 及 Stage IV、IVA、IVB Lung Cancer AJCC v8 等条件。研究为 I 期剂量递增后接 II 期，主要目标是在离体条件下通过肿瘤与背景比值确定最佳剂量和输注时机，次要目标包括评估安全性与耐受性，以及判断近红外荧光成像能否检出原发肺肿瘤或阳性淋巴结而白光成像不能。可用于肺癌术中荧光成像检测相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Lung Carcinoma、Metastatic Malignant Neoplasm in the Lung、Stage IV Lung Cancer AJCC v8、Stage IVA Lung Cancer AJCC v8、Stage IVB Lung Cancer AJCC v8。主要目标：I. 在离体条件下，通过肿瘤与背景比值，确定 panitumumab IRDye800 输注的最佳剂量和时机，以识别肺癌与周围正常组织。次要目标：I. 确定 panitumumab IRDye800 作为显像剂在肺癌切除受试者中的安全性和耐受性。II. 确定原发肺肿瘤或阳性淋巴结能否通过 panitumumab IRDye800 的近红外（NIR）荧光成像检测到，而白光成像不能检测到。概述：这是一项 panitumumab-IRDye800 的 I 期剂量递增研究，随后进行 II 期研究。受试者接受 panitumumab-IRDye800 静脉注射（
【主题与分类】
主题标签：Lung Carcinoma、Stage IV Lung Cancer AJCC v8、Stage IVA Lung Cancer AJCC v8、Stage IVB Lung Cancer AJCC v8。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03582124
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/NCT03582124
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、肺转移性恶性肿瘤、AJCC第8版IV期肺癌、AJCC第8版IVA期肺癌、AJCC第8版IVB期肺癌。主要目标：I. 确定帕尼单抗IRDye800输注的最佳剂量和时机，以便在离体环境中通过肿瘤与背景比值来识别肺癌与周围正常组织的区别。次要目标：I. 确定帕尼单抗IRDye800作为显像剂在肺癌切除受试者中的安全性和耐受性。II. 确定是否可以通过帕尼单抗IRDye800的近红外（NIR）荧光成像而非白光成像检测到原发性肺肿瘤或阳性淋巴结。大纲：这是一项帕尼单抗-IRDye800的I期剂量递增研究，随后进行II期研究。参与者在第0天接受60分钟静脉注射（IV）帕尼单抗-IRDye800，然后在1-5天内进行NIR和手术。完成研究治疗后，参与者将接受长达30天的随访。
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。
