177Lu-Lu-DWJ155与68Ga-Ga-DWJ155在实体瘤患者中的研究
研究分两部分:第一部分为剂量递增,第二部分为扩展。两部分中患者均先接受 [68Ga]Ga-DWJ155 PET/CT 或 PET/MRI 显像;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下的安全性与初步疗效,并在末次给药后进行安全性随访(来源 clinicaltrials.gov)
![Study of [177Lu]Lu-DWJ155 and [68Ga]Ga-DWJ155 in Patients With Solid Tumors](/medical-api/medicalDataset/datasetCover/102752.jpg)
基本信息
资源简介
177Lu-Lu-DWJ155与68Ga-Ga-DWJ155在实体瘤患者中的研究
该数据集来自 clinicaltrials.gov,聚焦 [177Lu]Lu-DWJ155 与 [68Ga]Ga-DWJ155 在实体瘤患者中的研究,覆盖乳腺癌、非小细胞肺癌(NSCLC)、胃/胃食管结合部(GEJ)癌及膀胱癌。研究分两部分:第一部分为剂量递增,第二部分为扩展。两部分中患者均先接受 [68Ga]Ga-DWJ155 PET/CT 或 PET/MRI 显像;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下的安全性与初步疗效,并在末次给药后进行安全性随访(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:乳腺癌、非小细胞肺癌(NSCLC)、胃/胃食管结合部(GEJ)癌、膀胱癌。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-DWJ155 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)扫描显像。在递增部分,随后将测试不同剂量的 [177Lu]Lu-DWJ155,以确定用于进一步评估的推荐剂量(RD(s))。研究的扩展部分将考察在递增部分确定的 RD(s) 下 [177Lu]Lu-DWJ155 的安全性和初步疗效。在两部分中,末次 [177Lu]Lu-DWJ155 给药后均设有安全性随访期。
【主题与分类】
主题标签:Breast Cancer、Non-small Cell Lung Cancer (NSCLC)、Bladder Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07660055
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/NCT07660055
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:乳腺癌、非小细胞肺癌(NSCLC)、胃/胃食管结合部(GEJ)癌、膀胱癌。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,患者最初都将接受[68Ga]Ga-DWJ155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。在剂量递增部分,将测试不同剂量的[177Lu]Lu-DWJ155,以确定推荐剂量(RD)用于进一步评估。研究的剂量扩展部分将检查在剂量递增部分确定的RD下[177Lu]Lu-DWJ155的安全性和初步疗效。在两部分的最后[177Lu]Lu-DWJ155给药后,都将有一个安全性随访期。
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。




