拓扑替康联合放疗治疗实体瘤或淋巴瘤
该数据集来自 clinicaltrials.gov，主题为拓扑替康联合每日高剂量胸部放疗治疗实体瘤或淋巴瘤。源站描述涵盖食管癌、肺癌和淋巴瘤患者，研究目标包括确定最大耐受剂量与安全性、评估毒性反应、通过血浆水平估算组织与肿瘤中拓扑替康浓度、用 Western blot 和免疫组化分析拓扑异构酶 I
基本信息
资源简介
拓扑替康联合放疗治疗实体瘤或淋巴瘤
该数据集来自 clinicaltrials.gov，主题为拓扑替康联合每日高剂量胸部放疗治疗实体瘤或淋巴瘤。源站描述涵盖食管癌、肺癌和淋巴瘤患者，研究目标包括确定最大耐受剂量与安全性、评估毒性反应、通过血浆水平估算组织与肿瘤中拓扑替康浓度、用 Western blot 和免疫组化分析拓扑异构酶 I 水平、判断拓扑替康是否诱导外周血淋巴细胞凋亡，以及检测治疗前后肿瘤组织中拓扑异构酶 I、DNA 损伤、拓扑异构酶 I/DNA 复合物和凋亡事件。可用于放疗联合化疗的毒性预测与放射增敏机制研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：食管癌、肺癌、淋巴瘤。目标：I. 确定拓扑替康（TOPO）联合每日高剂量胸部放疗至总剂量 60 Gy 在实体瘤或淋巴瘤患者中的最大耐受剂量和安全性特征。II. 评估该治疗中所遇毒性效应的定性和定量性质。III. 通过评估血浆 TOPO 水平，估算放疗期间组织和肿瘤中的 TOPO 浓度。IV. 使用 Western blot 和免疫组化染色，评估 TOPO/放疗对外周血淋巴细胞（PBL）中拓扑异构酶 I 水平的影响。V. 确定 TOPO 是否在该患者群体的 PBL 中诱导凋亡。VI. 检查治疗前和治疗后的肿瘤组织（如有），以检测拓扑异构酶 I 水平、DNA 损伤、拓扑异构酶 I/DNA 复合物和凋亡事件。概述：放射增敏
【主题与分类】
主题标签：Esophageal Cancer、Lung Cancer、Lymphoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00002625
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/NCT00002625
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：食管癌、肺癌、淋巴瘤。目的：I. 确定拓扑替康（TOPO）与每日高剂量胸部放疗（总剂量60 Gy）联合应用于实体瘤或淋巴瘤患者时的最大耐受剂量和安全性特征。II. 评估该治疗中出现的毒性反应的定性和定量性质。III. 通过评估血浆TOPO水平，估计放疗期间组织和肿瘤中的TOPO浓度。IV. 使用蛋白质印迹法和免疫组织化学染色，评估TOPO/放疗对外周血淋巴细胞（PBL）中拓扑异构酶I水平的影响。V. 确定TOPO是否在该患者群体的PBL中诱导凋亡。VI. 检查治疗前和治疗后（如有）肿瘤组织中的拓扑异构酶I水平、DNA损伤、拓扑异构酶I/DNA复合物以及凋亡事件。大纲：放射增敏加放疗。拓扑替康，TOPO，NSC-609699；加使用线性加速器的外照射，光子能量在4至10 MV之间（电子可用于推量野）。
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。
