177Lu-Lu-DFC413 在实体瘤患者中的 I 期研究
该数据集来自 clinicaltrials.gov,为一项首次人体、I 期、开放标签研究,代号 GCJ904A12101,评估 177Lu-DFC413 在实体瘤患者中的应用
![Phase I Study of [177Lu]Lu-DFC413 in Patients With Solid Tumors](/medical-api/medicalDataset/datasetCover/107953.jpg)
基本信息
资源简介
177Lu-Lu-DFC413 在实体瘤患者中的 I 期研究
该数据集来自 clinicaltrials.gov,为一项首次人体、I 期、开放标签研究,代号 GCJ904A12101,评估 177Lu-DFC413 在实体瘤患者中的应用。覆盖胰腺导管腺癌、非小细胞肺癌、HR+/HER2- 导管和小叶乳腺癌、三阴性乳腺癌、结直肠癌及软组织肉瘤。研究分为剂量递增和剂量扩展两部分,患者先接受 68Ga-NNS309 PET/CT 或 PET/MRI 显像以评估是否符合 177Lu-DFC413 治疗条件,合格者接受治疗。递增部分测试不同剂量以评估安全性、耐受性和剂量学,并确定推荐放射性给药剂量(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胰腺导管腺癌、非小细胞肺癌、HR+/HER2- 导管和小叶乳腺癌、三阴性乳腺癌、结直肠癌、软组织肉瘤。GCJ904A12101 是一项首次人体(FIH)、I 期、开放标签研究,由剂量递增部分和随后的剂量扩展部分组成。在研究的两部分中,患者最初将接受 68Ga-NNS309 正电子发射断层扫描(PET)/计算机断层扫描(CT)或 PET/磁共振成像(MRI)扫描成像,并评估是否符合 177Lu-DFC413 治疗资格。符合治疗条件的患者将接受 177Lu-DFC413。在递增部分,将测试不同剂量的 177Lu-DFC413,以评估其安全性、耐受性和剂量学,并确定用于进一步评估的推荐放射性给药剂量(RD(s))。扩展部分将包括基于肿瘤的臂
【主题与分类】
主题标签:Pancreatic Ductal Adenocarcinoma、Non-Small Cell Lung Cancer、Triple Negative Breast Cancer、Colorectal Cancer、Soft Tissue Sarcoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07261631
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/NCT07261631
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
适应症:胰腺导管腺癌、非小细胞肺癌、HR+/HER2-导管和小叶乳腺癌、三阴性乳腺癌、结直肠癌、软组织肉瘤。GCJ904A12101是一项首次人体(FIH)、I期、开放标签研究,包括剂量递增部分和随后的剂量扩展部分。在研究的两部分中,患者最初将接受68Ga-NNS309正电子发射断层扫描(PET)/计算机断层扫描(CT)或PET/磁共振成像(MRI)扫描成像,并评估其是否符合177Lu-DFC413治疗的条件。符合治疗条件的患者将接受177Lu-DFC413治疗。在递增部分,将测试不同剂量的177Lu-DFC413,以评估其安全性、耐受性和剂量测定,并确定用于进一步评估的推荐放射性给药剂量(RD)。扩展部分将包括基于肿瘤类型的分组。当扩展部分中每个疾病组的所有患者已完成疾病进展随访或因任何原因退出研究,且所有患者已完成治疗和长期随访期时,研究将结束。
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。




