Vandetanib 与 Bevacizumab 治疗晚期实体瘤或淋巴瘤
该数据集来自 clinicaltrials.gov,主题为 Vandetanib 与 Bevacizumab 联合治疗晚期实体瘤或淋巴瘤的临床研究,覆盖肺癌、淋巴瘤、淋巴增殖性疾病、小肠癌及未明确的成人实体瘤等病种

基本信息
资源简介
Vandetanib 与 Bevacizumab 治疗晚期实体瘤或淋巴瘤
该数据集来自 clinicaltrials.gov,主题为 Vandetanib 与 Bevacizumab 联合治疗晚期实体瘤或淋巴瘤的临床研究,覆盖肺癌、淋巴瘤、淋巴增殖性疾病、小肠癌及未明确的成人实体瘤等病种。数据可用于评估该方案的最大耐受剂量、安全性与毒性,分析药代动力学特征,测量血浆中 VEGF 及其他血管生成细胞因子的变化,并借助肿瘤活检样本研究 EGF 信号通路生化改变与抗血管生成效应,同时探索动态对比增强 MRI 在评估肿瘤血管通透性早期变化中的应用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺癌、淋巴瘤、淋巴增殖性疾病、小肠癌、未明确的成人实体瘤、方案特定。目的:主要 确定 Vandetanib 与 Bevacizumab 在晚期实体瘤或淋巴瘤患者中的最大耐受剂量、安全性和毒性。次要 表征该方案在这些患者中的药代动力学特征。 测量这些患者血浆样本中 VEGF 及其他血管生成细胞因子的变化。 确定这些患者肿瘤活检样本中 EGF 信号转导通路的生化变化。 确定该方案在这些患者肿瘤活检样本中的抗血管生成效应。 评估动态对比增强 MRI 在确定治疗期间肿瘤血管通透性早期变化中的应用。 * 评估该方案对循环 en
【主题与分类】
主题标签:Lung Cancer、Lymphoma、Lymphoproliferative Disorder、Small Intestine Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00734890
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/NCT00734890
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
疾病类型:肺癌、淋巴瘤、淋巴增殖性疾病、小肠癌、未明确的成人实体瘤、方案特定。
目的:主要目标 * 确定凡德他尼和贝伐珠单抗在晚期实体瘤或淋巴瘤患者中的最大耐受剂量、安全性和毒性。次要目标 * 描述该方案在这些患者中的药代动力学特征。 * 测量这些患者血浆样本中VEGF和其他血管生成细胞因子的变化。 * 确定这些患者肿瘤活检样本中EGF信号转导途径的生化变化。 * 确定该方案在这些患者肿瘤活检样本中的抗血管生成效应。 * 评估动态对比增强MRI在确定治疗期间肿瘤血管通透性早期变化的应用。 * 评估该方案对这些患者循环内皮祖细胞和成熟循环内皮细胞的影响。
大纲:患者在第1-21天每天口服凡德他尼一次,第1天静脉注射贝伐珠单抗,输注时间超过30-90分钟。每3周重复一个疗程,直至疾病进展或出现不可接受的毒性。
患者定期接受血液样本采集,用于相关性实验室研究,包括药代动力学、生物标志物(VEGF及其他血管生成细胞因子)以及循环内皮细胞分析。患者还可选择接受肿瘤活检,以供额外的相关性实验室研究之用。
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。




