射频消融治疗难治性或晚期肺癌患者

该数据集来自 clinicaltrials.gov,聚焦于难治性或晚期肺部恶性肿瘤患者接受射频消融治疗的研究。覆盖的疾病包括肺癌、恶性间皮瘤、转移性癌症、胸腺瘤和胸腺癌

Jonsson Comprehensive Cancer CenterJonsson Comprehensive Cancer Center
clinicaltrials
浏览 5
医学影像预测Lung CancerMalignant MesotheliomaMetastatic CancerThymoma and Thymic Carcinoma
Radiofrequency Ablation in Treating Patients With Refractory or Advanced Lung Cancer

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-10

资源简介

射频消融治疗难治性或晚期肺癌患者

该数据集来自 clinicaltrials.gov,聚焦于难治性或晚期肺部恶性肿瘤患者接受射频消融治疗的研究。覆盖的疾病包括肺癌、恶性间皮瘤、转移性癌症、胸腺瘤和胸腺癌。研究目标为评估经皮 CT 引导下射频消融的安全性、毒性、局部控制疗效,以及 CT 扫描作为治疗实施与随访影像评估工具的合理性。患者接受约 2 小时的直接肿瘤消融,并在 1、3、6、12 个月进行随访,计划入组 30 例。可用于分析该治疗的安全性、疗效及影像评估价值(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肺癌、恶性间皮瘤、转移性癌症、胸腺瘤和胸腺癌。目标: 确定射频消融在难治性或晚期肺部恶性肿瘤患者中的安全性和毒性。 确定该治疗在这些患者中在局部控制方面的疗效。* 确定 CT 扫描是否是这些患者中用于治疗实施和随访的合理影像评估工具。方案:患者接受经皮 CT 引导下直接对肿瘤进行射频消融,持续 2 小时。患者在 1、3、6 和 12 个月时接受随访。预计入组:本研究将共计入组 30 名患者。

【主题与分类】

主题标签:Lung Cancer、Malignant Mesothelioma、Metastatic Cancer、Thymoma and Thymic Carcinoma。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00024076

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT00024076

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:肺癌、恶性间皮瘤、转移性癌症、胸腺瘤和胸腺癌。目的:* 确定射频消融在难治性或晚期肺部恶性肿瘤患者中的安全性和毒性。* 确定该治疗在这些患者中的局部控制效果。* 确定CT扫描是否是这些患者治疗实施和随访的合理影像评估工具。概要:患者接受经皮CT引导的射频消融直接作用于肿瘤,持续2小时。患者在1、3、6和12个月时进行随访。预计入组人数:本研究将招募总计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。

获取专属数据定制方案