立体定向体部放疗治疗不可手术的I期或II期非小细胞肺癌

该数据集来自clinicaltrials.gov,聚焦于医学上不可手术的I期或II期非小细胞肺癌患者,研究立体定向体部放疗的治疗效果

Radiation Therapy Oncology GroupRadiation Therapy Oncology Group
clinicaltrials
浏览 4
其他预测Lung Cancer
Stereotactic Body Radiation Therapy in Treating Patients With Inoperable Stage I or Stage II Non-Small Cell Lung Cancer

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-10

资源简介

立体定向体部放疗治疗不可手术的I期或II期非小细胞肺癌

该数据集来自clinicaltrials.gov,聚焦于医学上不可手术的I期或II期非小细胞肺癌患者,研究立体定向体部放疗的治疗效果。主要目标为评估局部控制率是否达到80%以上,次要目标包括治疗相关毒性、无病生存期、总生存期及失败模式。研究为多中心设计,患者接受3次立体定向体部放疗,并在治疗后进行长期随访。计划在26个月内入组52例患者。该数据可用于分析放疗在早期不可手术肺癌中的疗效与安全性,支持生存预测和毒性评估等研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肺癌。目标:主要 确定立体定向体部放疗是否在医学上不可手术的I期或II期非小细胞肺癌患者中产生可接受的局部控制(即≥80%)。次要 确定接受该治疗的患者中与治疗相关的毒性。* 确定接受该治疗的患者中的无病生存期、总生存期和失败模式。概述:这是一项多中心研究。在没有疾病进展或不可接受的毒性的情况下,患者接受3次立体定向体部放疗,持续8-14天。患者在6周和12周时随访,2年内每3个月随访一次,随后2年内每6个月随访一次,此后每年随访一次。预计入组:本研究将在26个月内共入组52名患者。

【主题与分类】

主题标签:Lung Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00087438

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/NCT00087438

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。目的:主要目标 * 确定立体定向体部放疗是否能为医学上无法手术的I期或II期非小细胞肺癌患者带来可接受的局部控制率(即≥80%)。次要目标 * 确定接受此疗法的患者治疗相关毒性。 * 确定接受此疗法的患者的无病生存期、总生存期及失败模式。概述:这是一项多中心研究。患者接受3次立体定向体部放疗,分8-14天进行,前提是无疾病进展或不可接受的毒性。患者将在6周和12周时进行随访,之后2年内每3个月随访一次,接下来2年内每6个月随访一次,此后每年随访一次。预计入组:本研究将在26个月内共招募52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