新发肺部原发肿瘤的监测
该数据集来自 clinicaltrials.gov，聚焦于有气道消化道鳞状细胞癌病史、接受过根治性治疗且保持无病状态的患者，旨在确定其气管支气管癌的患病率
基本信息
资源简介
新发肺部原发肿瘤的监测
Surveillance For New Lung Primaries 是一个收录于 clinicaltrials.gov 的肿瘤学相关数据集，本站将其归类于肿瘤 / 肺癌方向，主题标签为 Lung Cancer。该数据集围绕肺癌监测这一研究主题展开，其核心关注点在于：对于有气道消化道鳞状细胞癌病史、曾接受根治性治疗并保持无病状态的患者群体，探索气管支气管癌的患病情况。源站描述指出，该研究的主要目标是确定此类患者中气管支气管癌的患病率，并借助荧光支气管镜监测手段发现癌前病变与浸润性病变，从而可能有助于界定这些病变的自然史，并在其进展为浸润性病变时实现更早期的干预。整体而言，该数据集承载的是一项以肺癌早期监测与病变自然史探索为方向的研究信息。
【数据集背景】
该数据集来源于 clinicaltrials.gov，属于肿瘤 / 肺癌分类下的研究资料，主题标签为 Lung Cancer。其研究背景聚焦于特定高危人群的肺癌监测问题。源站描述显示，研究对象为具有气道消化道鳞状细胞癌病史的患者，这些患者此前已接受以根治为目的的治疗，并且在研究背景下仍保持无病状态。正是在这一人群中，研究试图确定气管支气管癌的患病率。这一背景设定体现了对治疗后无病生存患者进行二次原发肿瘤或新发病变监测的关注，尤其是气管支气管区域的癌变风险。
【数据内容】
依据源站描述，该数据集所涉及的研究内容主要围绕气管支气管癌的患病率展开，并涉及对癌前病变和浸润性病变的检测。具体而言，检测对象包括中度至重度不典型增生以及原位癌（CIS）。研究采用荧光支气管镜监测作为检测手段，以发现上述病变。源站描述还指出，通过这种监测可能有助于界定这些病变的自然史，并在病变进展为浸润性病变时允许更早的干预。除上述内容外，关于数据集的具体字段、样本量、变量结构、随访时间等信息，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。源站描述中提及的研究条件为 Lung Cancer，研究人群为有气道消化道鳞状细胞癌病史、接受过根治性治疗且保持无病状态的患者。检测方式为荧光支气管镜监测。除此之外，关于数据采集的具体流程、采集时间跨度、采集机构、数据录入方式等信息，源站未提供。
【适用场景】
基于源站描述，该数据集可能适用于与肺癌监测相关的研究场景，尤其是针对有气道消化道鳞状细胞癌病史且治疗后无病患者的气管支气管癌患病率研究，以及癌前病变与浸润性病变的检测和自然史探索。荧光支气管镜监测作为研究手段，也可能为早期干预相关研究提供参考。但除这些由源站描述直接支持的方向外，其他具体应用场景源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、分析流程、配套工具或操作指南等均未说明。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，例如数据完整性、准确性、偏倚控制、样本代表性、局限性等信息均未提及。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT00205439
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
条件：肺癌。本研究的主要目标是确定在接受过治愈性治疗且保持无病状态的气道消化道鳞状细胞癌患者中，气管支气管癌的患病率。通过荧光支气管镜监测发现癌前病变和侵袭性病变（中度至重度不典型增生、原位癌）可能有助于明确这些病变的自然史，并在其进展为侵袭性病变时允许更早干预。
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。
