金雀异黄素用于儿童肿瘤患者的研究 (UVA-Gen001)
该数据集来自 clinicaltrials.gov,收录一项关于大豆异黄酮(金雀异黄素)用于儿童肿瘤患者的多中心、随机、双盲、安慰剂对照交叉研究

基本信息
资源简介
金雀异黄素用于儿童肿瘤患者的研究 (UVA-Gen001)
该数据集来自 clinicaltrials.gov,收录一项关于大豆异黄酮(金雀异黄素)用于儿童肿瘤患者的多中心、随机、双盲、安慰剂对照交叉研究。覆盖淋巴瘤、儿童淋巴瘤、实体瘤、儿童实体瘤、神经母细胞瘤、Ewing肉瘤、霍奇金淋巴瘤、非霍奇金淋巴瘤等病种。研究对象为 1 至 21 岁新诊断的癌症患者,按化疗周期长度(14 天与 21 天)分层,并按 1:1 随机分配至不同用药顺序组,以评估金雀异黄素对骨髓抑制性化疗短期不良反应的影响。可用于儿童肿瘤支持治疗相关研究(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、儿童淋巴瘤、实体瘤、儿童实体瘤、神经母细胞瘤、Ewing肉瘤、霍奇金淋巴瘤、非霍奇金淋巴瘤。这是一项多中心、随机、双盲、安慰剂对照交叉研究,旨在评估大豆异黄酮对用于治疗儿童癌症的骨髓抑制性化疗短期不良反应的影响。新诊断的 1-21 岁癌症患者将登记入组本研究,并在进行任何研究相关程序之前获得知情同意。分层将基于化疗周期长度,即 14 天与 21 天周期之间。在各层内,登记受试者将按 1:1 随机分配至两种方案之一:A 组:受试者在化疗周期 1 和 2 期间每日接受金雀异黄素,在化疗周期 3 和 4 期间接受安慰剂;B 组:受试者在化疗期间每日接受安慰剂
【主题与分类】
主题标签:Lymphoma、Childhood Lymphoma、Solid Tumor、Childhood Solid Tumor、Neuroblastoma、Ewing Sarcoma、Hodgkin Lymphoma、Non-Hodgkin Lymphoma、Rhabdomyosarcoma、Soft Tissue Sarcoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02624388
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/NCT02624388
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、儿童淋巴瘤、实体瘤、儿童实体瘤、神经母细胞瘤、尤文肉瘤、霍奇金淋巴瘤、非霍奇金淋巴瘤。这是一项多中心、随机、双盲、安慰剂对照的交叉研究,旨在评估大豆异黄酮对用于治疗儿童癌症的骨髓抑制性化疗短期不良影响的作用。新诊断的1-21岁癌症患者将注册参加该研究,并在进行任何研究相关程序之前获得知情同意。分层将基于化疗周期的长度,即14天周期和21天周期之间。在分层内,注册受试者将按1:1随机分配到以下两种方案之一:A组:受试者将在化疗周期1和2期间每日接受金雀异黄酮,在化疗周期3和4期间接受安慰剂。B组:受试者将在化疗周期1和2期间每日接受安慰剂,在化疗周期3和4期间接受金雀异黄酮。将在每个周期通过临床实验室检查、细胞因子检测和体格检查对受试者进行安全性和有效性评估。
药物依从性将通过患者日记以及监测血清染料木黄酮水平来进行。不良事件将从第1周期第1天开始监测,直至方案治疗(染料木黄酮/安慰剂)最后一天后的30天。
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。




