一项比较维布妥昔单抗与医生选择方案治疗CD30阳性皮肤T细胞淋巴瘤的3期试验
本数据集来自clinicaltrials.gov,为一项3期临床试验,研究对象为CD30阳性皮肤T细胞淋巴瘤患者,包括蕈样肉芽肿和原发性皮肤间变性大细胞淋巴瘤

基本信息
资源简介
一项比较维布妥昔单抗与医生选择方案治疗CD30阳性皮肤T细胞淋巴瘤的3期试验
本数据集来自clinicaltrials.gov,为一项3期临床试验,研究对象为CD30阳性皮肤T细胞淋巴瘤患者,包括蕈样肉芽肿和原发性皮肤间变性大细胞淋巴瘤。试验比较brentuximab vedotin与医生选择的甲氨蝶呤或贝沙罗汀的疗效,主要观察总体缓解情况。研究共入组131名患者,随机分配至两组,受试者与研究者对分组保持盲态,除非有紧急医疗需要。该数据可用于肿瘤/淋巴瘤领域的治疗反应分析与疗效比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:原发性皮肤间变性大细胞淋巴瘤、蕈样肉芽肿、皮肤T细胞淋巴瘤。本研究中测试的药物称为brentuximab vedotin。Brentuximab vedotin正在被测试用于治疗CD30+皮肤T细胞淋巴瘤(蕈样肉芽肿和原发性皮肤间变性大细胞淋巴瘤)患者。本研究将观察服用brentuximab vedotin的患者与服用甲氨蝶呤或贝沙罗汀作为标准治疗的患者相比的总体缓解情况。该研究入组了131名患者。参与者将被随机分配(偶然,像掷硬币一样)到两个治疗组之一——在研究期间,参与者和研究医生将不会知道分组情况(除非有紧急医疗需要): 甲氨蝶呤5至50 mg或贝沙罗汀300 mg/m^2(根据医生的选择) Brentuximab vedotin 1.8 mg/kg。这项多中心试验
【主题与分类】
主题标签:Mycosis Fungoides、Cutaneous T-Cell Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01578499
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/NCT01578499
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:原发性皮肤间变性大细胞淋巴瘤、蕈样肉芽肿、皮肤T细胞淋巴瘤。本研究中所测试的药物名为brentuximab vedotin。brentuximab vedotin正被测试用于治疗CD30+皮肤T细胞淋巴瘤(蕈样肉芽肿和原发性皮肤间变性大细胞淋巴瘤)患者。本研究将观察接受brentuximab vedotin治疗的患者与接受甲氨蝶呤或贝沙罗汀作为标准治疗的患者相比的总体缓解情况。该研究共入组131名患者。参与者将被随机分配(如同掷硬币一样凭机会)至两个治疗组之一——在研究期间,参与者与研究医生均不会知晓具体分组(除非有紧急医疗需要):* 甲氨蝶呤5至50 mg或贝沙罗汀300 mg/m^2(由医生选择)* brentuximab vedotin 1.8 mg/kg。这项多中心试验正在全球范围内开展。参与本研究的总时间约为6年。
参与者将在治疗结束(EOT)访视后至少24个月内每12周进行一次诊所访视,之后每6个月访视一次,直至死亡、研究结束或最后一名参与者入组后6年。
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。




