实体瘤1至5处骨转移患者标准治疗联合或不联合SBRT
该数据集来自 clinicaltrials.gov,聚焦实体瘤伴1至5处骨转移患者,比较标准治疗联合或不联合 SBRT 的方案

基本信息
资源简介
实体瘤1至5处骨转移患者标准治疗联合或不联合SBRT
该数据集来自 clinicaltrials.gov,聚焦实体瘤伴1至5处骨转移患者,比较标准治疗联合或不联合 SBRT 的方案。覆盖转移性乳腺癌、转移性肺癌、转移性前列腺癌及骨转移人群。骨转移在实体瘤病程中常见,发生率因原发癌不同在20%至85%之间,乳腺癌、前列腺癌和肺癌占骨转移的70%。骨转移可同步或异时出现,寡转移概念约指3至5处转移且预后居中。数据可用于骨转移寡转移患者的局部治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:转移性乳腺癌、转移性肺癌、转移性前列腺癌、骨转移。骨转移在实体瘤演变过程中经常发生,可以是孤立的,也可以与内脏转移相关。根据原发癌的不同,发生率在20%至85%之间。乳腺癌、前列腺癌和肺癌占骨转移的70%。与其他转移部位相比,伴有骨转移的癌症被认为与更好的预后相关,尤其是乳腺癌和前列腺癌。骨转移可能在诊断时出现(同步转移),也可能在以后出现(异时转移)。“寡转移”的概念被提出用于约有3至5处转移的患者(不限制原发部位),并与中等预后相关。有人假设,局部治疗具有治愈性
【主题与分类】
主题标签:Metastatic Breast Cancer、Metastatic Lung Cancer、Metastatic Prostate Cancer、Bone Metastases。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03143322
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/NCT03143322
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:转移性乳腺癌、转移性肺癌、转移性前列腺癌、骨转移。骨转移在实体瘤进展过程中频繁发生,既可单独出现,也可伴随内脏转移。其发生率依据原发癌的不同,介于20%至85%之间。乳腺癌、前列腺癌和肺癌是导致70%骨转移的罪魁祸首。相较于其他转移部位,伴有骨转移的癌症被认为与较好的预后相关,尤其是乳腺癌和前列腺癌。骨转移可能在诊断时即存在(同步转移),也可能在后期出现(异时转移)。对于大约3至5个转移灶(不限原发部位)的患者,提出了“寡转移”概念,并认为其预后居中。有假设提出,针对少数转移灶采取根治性局部治疗,结合系统性治疗,有望实现长期生存。在肉瘤及伴有肝或肺转移的结直肠癌中,已有根治性意图治疗转移后长期生存者的报告。
我们选择聚焦于骨转移,是因为其发病率高、对患者生活质量和自主能力的影响大,并且适合接受可能具有治愈效果的放疗。转移性癌症的全身治疗包括激素治疗(乳腺癌和前列腺癌)、生物靶向药物和化疗(所有癌症)。立体定向放疗是一种高度精确的技术,最初开发用于对被认为难以进行经典切除手术的患者实施脑肿瘤放射外科治疗。在此过程中,将高总剂量的辐射以单次分割方式递送至边界明确的颅内靶区。立体定向条件下的放疗概念已扩展至对颅外部位小体积原发肿瘤/转移灶进行单次或多次分割照射(立体定向体部放疗[SBRT])。目前,高对比
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。




