使用硅酞菁4的光动力疗法治疗光化性角化病、Bowen病、皮肤癌或I期或II期蕈样肉芽肿患者
该数据集来自clinicaltrials.gov,属于肿瘤/淋巴瘤分类,主题涉及淋巴瘤、非黑色素瘤皮肤癌和癌前病变。数据围绕使用局部递送硅酞菁4的光动力疗法,针对光化性角化病、Bowen病、鳞状细胞或基底细胞皮肤癌,以及IA、IB、IIA或IIB期蕈样肉芽肿患者

基本信息
资源简介
使用硅酞菁4的光动力疗法治疗光化性角化病、Bowen病、皮肤癌或I期或II期蕈样肉芽肿患者
该数据集来自clinicaltrials.gov,属于肿瘤/淋巴瘤分类,主题涉及淋巴瘤、非黑色素瘤皮肤癌和癌前病变。数据围绕使用局部递送硅酞菁4的光动力疗法,针对光化性角化病、Bowen病、鳞状细胞或基底细胞皮肤癌,以及IA、IB、IIA或IIB期蕈样肉芽肿患者。研究目标包括确定最大耐受剂量、评估安全性与毒性(尤其是否在非治疗部位诱导光敏性)、通过临床、组织学、免疫组化及其他生化标志物监测组织变化以探讨抗肿瘤机制,并初步确定获得最高清除率的治疗剂量。这是一项剂量递增研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:淋巴瘤、非黑色素瘤皮肤癌、癌前病变。目的: 确定在患有光化性角化病、Bowen病、鳞状细胞或基底细胞皮肤癌,或IA、IB、IIA或IIB期蕈样肉芽肿的参与者中,使用局部递送硅酞菁4的光动力疗法的最大耐受剂量。 确定该疗法的安全性和毒性,重点是在这些参与者中是否在非治疗部位诱导光敏性。 通过临床、组织学、免疫组化及其他生化标志物监测组织变化,确定该疗法在这些参与者中的抗肿瘤机制。 初步确定该疗法在这些参与者中导致最高清除率的剂量。大纲:这是一项剂量递增研究。参与者接受局部硅酞菁4(Pc 4)
【主题与分类】
主题标签:Lymphoma、Non-melanomatous Skin Cancer、Precancerous Condition。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00103246
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/NCT00103246
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:淋巴瘤、非黑色素瘤性皮肤癌、癌前病变。目的:* 确定局部递送硅酞菁4的光动力疗法在患有光化性角化病、鲍温病、鳞状细胞癌或基底细胞皮肤癌,或IA、IB、IIA或IIB期蕈样肉芽肿的参与者中的最大耐受剂量。* 确定该疗法的安全性和毒性,重点在于这些参与者中非治疗部位是否出现光敏反应。* 通过临床、组织学、免疫组织化学及其他生化标志物监测组织变化,确定该疗法在这些参与者中的抗肿瘤机制。* 初步确定该疗法在这些参与者中导致最高清除率的剂量。概述:这是一项剂量递增研究。参与者接受局部硅酞菁4(Pc 4)。一小时后,参与者接受光动力疗法。治疗每周重复一次,最多持续3周(同一病灶最多接受3次治疗,或者如果存在多个病灶,最多治疗3个病灶)。
每组3名受试者接受递增剂量的Pc 4和可见光治疗,直至确定最大耐受剂量(MTD)。MTD定义为3名受试者中有1名出现剂量限制性毒性反应的前一个剂量。在MTD水平再治疗3名额外受试者。研究治疗完成后,对受试者进行为期最多2周的随访。预计招募人数:本研究预计共招募16至45名受试者。
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。




