生长/变化脑转移瘤的立体定向放疗：同日计划与治疗及边缘缩减

数据集获取

源站：https://clinicaltrials.gov/study/NCT07132190

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：脑转移瘤、成人、脑肿瘤-转移性、非小细胞肺癌（NSCLC）脑转移、颅外实体瘤脑转移。自适应设计的放射治疗，即根据患者位置或解剖结构的实时变化调整既定放疗计划，已成为许多肿瘤病种中应对模拟定位与治疗之间位移影响的标准方法。采用自适应计划的立体定向放射外科/立体定向放射治疗（SRS/SRT），结合同日脑部MRI和治疗实施，有望量化治疗计划时间的影响，同时减少边缘范围，并可能改善局部复发率和放射性坏死率。本试验旨在通过一项2期随机研究，探讨自适应设计的SRS/SRT结合同日计划与治疗以及更严格计划边缘在局部控制脑转移瘤和最小化放射性坏死风险方面的可行性。参与者将根据提示需要治疗的诊断性脑部MRI，预先制定立体定向治疗计划。

初步计划将接受科室标准的物理、治疗和质量保证检查，总共持续1-2周，之后患者将返回接受治疗。在治疗当天（SRS）或治疗开始日（SRT），将在MRI模拟机上重复进行脑部MRI扫描以用于计划制定。将根据新的MRI生成合成计算机断层扫描（CT）。先前生成的轮廓和计划将适应新的MRI和融合的合成CT。最后，将实施治疗。主要目标是评估在立体定向治疗时肿瘤超出标准计划边缘（1.0mm PTV）的患者百分比。一个重要的次要目标是根据随机分配至0mm或1.0mm PTV，量化接受同日模拟和治疗的患者局部复发和放射性坏死率。

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。