弥漫性大B细胞淋巴瘤中枢神经系统评估前瞻性队列研究
该数据集来自clinicaltrials.gov，聚焦弥漫性大B细胞淋巴瘤患者的中枢神经系统评估。研究根据患者CNS受累风险进行二分类，并对有风险的患者开展CNS评估，前瞻性监测CNS复发或转移的发生情况
基本信息
资源简介
弥漫性大B细胞淋巴瘤中枢神经系统评估前瞻性队列研究
该数据集英文名为 Prospective Cohort Study With Central Nervous System Evaluation in Diffuse Large B-cell Lymphoma，来源于 clinicaltrials.gov，聚焦弥漫性大B细胞淋巴瘤患者的中枢神经系统评估。研究根据患者中枢神经系统受累风险进行二分类，并对存在风险的患者开展中枢神经系统评估，前瞻性监测弥漫性大B细胞淋巴瘤患者中枢神经系统复发或转移的发生情况。数据集在分类上归属于肿瘤 / 淋巴瘤方向，主题标签为 Diffuse Large B-cell Lymphoma，可为关注该疾病中枢神经系统受累问题的研究与实践提供参考。
【数据集背景】
弥漫性大B细胞淋巴瘤是一种需要关注中枢神经系统受累风险的情况。该数据集所对应的研究以中枢神经系统评估为核心，将患者按中枢神经系统受累风险进行二分类，并在此基础上对有风险的患者实施中枢神经系统评估，进而前瞻性监测中枢神经系统复发或转移的发生情况。这一设计围绕风险分层与后续监测展开，体现了对中枢神经系统相关结局的持续关注。
【数据内容】
数据集的主题标签为 Diffuse Large B-cell Lymphoma，所属分类为肿瘤 / 淋巴瘤。研究内容涉及患者按中枢神经系统受累风险的二分类结果，以及对有风险患者开展的中枢神经系统评估，并前瞻性监测中枢神经系统复发或转移的发生情况。关于具体变量、字段结构、样本量、随访时长及评估工具等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述显示，研究条件为 Diffuse Large B-cell Lymphoma，研究过程包括按中枢神经系统受累风险对患者进行二分类、对有风险的患者开展中枢神经系统评估，以及前瞻性监测中枢神经系统复发或转移的发生情况。关于采集机构、采集地点、采集时间窗口及具体采集流程等信息，源站未提供。
【适用场景】
该数据集适用于关注弥漫性大B细胞淋巴瘤中枢神经系统受累风险分层与评估的研究场景，也可用于了解对有风险患者开展中枢神经系统评估并前瞻性监测复发或转移的研究设计。关于更具体的适用场景说明，源站未提供。
【使用方法】
使用时可结合研究按中枢神经系统受累风险进行二分类、对有风险患者开展中枢神经系统评估并前瞻性监测复发或转移这一基本框架来理解数据。关于数据访问方式、数据结构说明、分析步骤及配套文档等，源站未提供。
【质量与限制】
该数据集来源为 clinicaltrials.gov，研究采用前瞻性监测中枢神经系统复发或转移的设计。关于数据完整性、准确性、样本代表性、缺失情况及其他质量指标，源站未提供。
【引用与许可】
关于该数据集的引用方式与许可条件，源站未提供。
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/NCT01202448
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
条件：弥漫性大B细胞淋巴瘤。我们根据中枢神经系统受累的风险对患者进行二分法分组。然后，对存在中枢神经系统受累风险的患者进行中枢神经系统评估。我们前瞻性监测弥漫性大B细胞淋巴瘤患者是否发生中枢神经系统复发或转移。
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。
