低剂量Mosunetuzumab治疗惰性B细胞淋巴瘤数据集
该数据集来自clinicaltrials.gov，收录低剂量Mosunetuzumab治疗惰性B细胞淋巴瘤的研究信息，覆盖Ann Arbor II至IV期滤泡性淋巴瘤与边缘区淋巴瘤、1级和2级滤泡性淋巴瘤
基本信息
资源简介
低剂量Mosunetuzumab治疗惰性B细胞淋巴瘤数据集
该数据集来自clinicaltrials.gov，收录低剂量Mosunetuzumab治疗惰性B细胞淋巴瘤的研究信息，覆盖Ann Arbor II至IV期滤泡性淋巴瘤与边缘区淋巴瘤、1级和2级滤泡性淋巴瘤。数据包含静脉给药方案、血液样本采集、PET/CT及CT/MRI影像检查、口腔和直肠拭子采集，以及治疗后第13周、6个月和最长5年的随访安排。可用于淋巴瘤治疗相关研究、影像与样本采集流程分析及患者分层分类等用途（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Ann Arbor II期滤泡性淋巴瘤、Ann Arbor II期边缘区淋巴瘤、Ann Arbor III期滤泡性淋巴瘤、Ann Arbor III期边缘区淋巴瘤、Ann Arbor IV期滤泡性淋巴瘤、Ann Arbor IV期边缘区淋巴瘤、1级滤泡性淋巴瘤、2级滤泡性淋巴瘤。方案概述：患者在第1、8、15和22天接受mosunetuzumab静脉（IV）输注，输注时间2-4小时。患者在研究期间还接受血液样本采集和正电子发射断层扫描（PET）/计算机断层扫描（CT）。患者可根据临床指征接受CT和/或磁共振成像（MRI），并可在研究期间接受口腔和/或直肠拭子采集。完成研究治疗后，患者在第13周、6个月随访，之后按机构标准随访最长5年。
【主题与分类】
主题标签：Ann Arbor Stage II Follicular Lymphoma、Ann Arbor Stage III Follicular Lymphoma、Ann Arbor Stage IV Follicular Lymphoma、Grade 1 Follicular Lymphoma、Grade 2 Follicular Lymphoma、Grade 3a Follicular Lymphoma。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06442475
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/NCT06442475
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
疾病条件：Ann Arbor II期滤泡性淋巴瘤、Ann Arbor II期边缘区淋巴瘤、Ann Arbor III期滤泡性淋巴瘤、Ann Arbor III期边缘区淋巴瘤、Ann Arbor IV期滤泡性淋巴瘤、Ann Arbor IV期边缘区淋巴瘤、1级滤泡性淋巴瘤、2级滤泡性淋巴瘤。研究方案概要：患者在第1、8、15和22天接受mosunetuzumab静脉输注（IV），输注时间为2-4小时。患者在研究期间还需进行血液样本采集和正电子发射断层扫描（PET）/计算机断层扫描（CT）检查。根据临床指征，患者可能接受CT和/或磁共振成像（MRI）检查，并可能在研究期间进行口腔和/或直肠拭子采集。研究治疗完成后，患者将在第13周、6个月时进行随访，之后按机构标准随访长达5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。
