Phase I Study of [177Lu]Lu-NNS309 在胰腺癌、肺癌、乳腺癌和结直肠癌患者中的研究
该数据集来自 clinicaltrials.gov,为一项 [177Lu]Lu-NNS309 的 I 期临床研究,覆盖胰腺导管腺癌、非小细胞肺癌、HR+/HER2- 导管和小叶乳腺癌、三阴性乳腺癌及结直肠癌患者
![Phase I Study of [177Lu]Lu-NNS309 in Patients With Pancreatic, Lung, Breast and Colorectal Cancers](/medical-api/medicalDataset/datasetCover/120573.jpg)
基本信息
资源简介
Phase I Study of [177Lu]Lu-NNS309 在胰腺癌、肺癌、乳腺癌和结直肠癌患者中的研究
该数据集来自 clinicaltrials.gov,为一项 [177Lu]Lu-NNS309 的 I 期临床研究,覆盖胰腺导管腺癌、非小细胞肺癌、HR+/HER2- 导管和小叶乳腺癌、三阴性乳腺癌及结直肠癌患者。研究分剂量递增和扩展两部分,患者先接受 [68Ga]Ga-NNS309 PET/CT 或 PET/MRI 成像以评估治疗资格,递增部分测试不同剂量以确定推荐剂量,扩展部分评估推荐剂量的安全性和初步疗效。数据可用于肿瘤靶向治疗相关的剂量探索与疗效预测研究(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。该研究将分两部分进行。第一部分称为“递增”,第二部分称为“扩展”。在研究的两部分中,患者最初将接受 [68Ga]Ga-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]Lu-NNS309 治疗资格。在递增部分,将测试不同剂量的 [177Lu]Lu-NNS309,以确定用于进一步评估的推荐剂量(RD(s))。研究的扩展部分将检查 [177Lu]Lu-NNS309 在递增部分确定的 RD(s) 下的安全性和初步疗效。研究结束将在所有患者按疾病
【主题与分类】
主题标签:Pancreatic Ductal Adenocarcinoma、Non-small Cell Lung Cancer、Triple Negative Breast Cancer、Colorectal Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06562192
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/NCT06562192
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。本研究将分为两部分进行。第一部分称为“剂量递增”,第二部分称为“剂量扩展”。在研究的两部分中,患者最初将接受[68Ga]Ga-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]Lu-NNS309治疗的条件。在剂量递增部分,将测试不同剂量的[177Lu]Lu-NNS309,以确定推荐剂量(RD)以供进一步评估。研究的剂量扩展部分将考察在剂量递增部分确定的RD下[177Lu]Lu-NNS309的安全性和初步疗效。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36个月长期随访期时,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。




