CD30 CAR T细胞治疗复发CD30阳性淋巴瘤(RELY-30)
该数据集来自clinicaltrials.gov,主题为CD30 CAR T细胞治疗复发CD30阳性淋巴瘤(RELY-30),覆盖霍奇金淋巴瘤与非霍奇金淋巴瘤

基本信息
资源简介
CD30 CAR T细胞治疗复发CD30阳性淋巴瘤(RELY-30)
该数据集来自clinicaltrials.gov,主题为CD30 CAR T细胞治疗复发CD30阳性淋巴瘤(RELY-30),覆盖霍奇金淋巴瘤与非霍奇金淋巴瘤。源站描述涉及采集受试者血液或通过血细胞分离术收集细胞、以抗体激活T细胞、用携带抗CD30新基因的逆转录病毒载体感染并制备CD30.CAR T细胞,以及检测其杀伤淋巴瘤细胞的能力。可用于了解该细胞治疗研究的条件与制备流程相关信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:霍奇金淋巴瘤、非霍奇金淋巴瘤。为制备CD30.CAR T细胞,研究人员将从受试者身上采集一些血液。这将分两次独立的血液采集进行。或者,如果受试者的血细胞计数较低,工作人员可能通过血细胞分离术采集制备T细胞所需的细胞。该程序将涉及在双臂放置针头,在3至6小时内采集细胞,在此期间受试者需要相对静止地躺着。T细胞采集完成后,其中一些将被抗体激活刺激,然后被携带一个名为抗CD30的新基因的逆转录病毒载体(一种能将新基因带入细胞的特殊病毒)感染,该基因将产生针对淋巴瘤细胞的抗体。经过训练的细胞称为CD30.CAR T细胞。然后,将对这些细胞进行检测,以确保它们杀死淋巴
【主题与分类】
主题标签:Hodgkin's Lymphoma、Non-Hodgkin Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02917083
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/NCT02917083
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
适应症:霍奇金淋巴瘤、非霍奇金淋巴瘤。为制备CD30.CAR T细胞,研究人员将从受试者身上采集部分血液。采血将分两次独立进行。或者,若受试者血细胞计数较低,工作人员可通过血细胞分离术采集制备T细胞所需的细胞。该操作需在双臂置入针头,历时3至6小时采集细胞,期间受试者须保持相对静止平卧。T细胞采集完成后,部分细胞将经抗体刺激活化,随后以逆转录病毒载体(一种可将新基因导入细胞的特殊病毒)感染,该载体携带名为抗CD30的新基因,可产生针对淋巴瘤细胞的抗体。经此处理的细胞称为CD30.CAR T细胞。随后将对细胞进行检测,以确保其能杀伤表达CD30抗原的淋巴瘤细胞而不伤及正常细胞。所制备的细胞将被冷冻保存,以备回输给受试者。本研究为剂量递增研究,即初始阶段患者将接受最低剂量(共3个不同剂量水平中的第1级)的CD30.CAR T细胞。
一旦该剂量方案被证明安全,下一组患者将从更高剂量开始。这一过程将持续进行,直至所有3个剂量水平均被研究完毕。如果副作用过于严重,将降低剂量或停止T细胞输注。研究治疗带来的伤害和不适风险可能与剂量水平存在一定关系。潜在的直接获益(如有)也可能随剂量水平而变化。受试者将接受一次CD30.CAR T细胞注射。注射将在第0天进行。在注射T细胞之前,受试者可能会被给予一剂苯海拉明和泰诺,以尽量减少任何可能的过敏反应。注射将耗时1-10分钟。每次注射后,受试者将在诊所接受至少3小时的监测。根据研究医生的判断,如果受试者情况稳定
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。




