Tafasitamab联合Rituximab治疗新诊断滤泡性淋巴瘤
该数据集来自clinicaltrials.gov,聚焦Tafasitamab联合Rituximab治疗新诊断滤泡性淋巴瘤的临床试验方案

基本信息
资源简介
Tafasitamab联合Rituximab治疗新诊断滤泡性淋巴瘤
该数据集来自clinicaltrials.gov,聚焦Tafasitamab联合Rituximab治疗新诊断滤泡性淋巴瘤的临床试验方案。覆盖经典型及1级、2级、3a级滤泡性淋巴瘤。源站描述详述了第1-3周期、第4-6周期及第7-12周期的给药安排与疾病评估流程,可用于了解该联合方案的治疗框架与随访策略(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:经典型滤泡性淋巴瘤、1级滤泡性淋巴瘤、2级滤泡性淋巴瘤、3a级滤泡性淋巴瘤。方案:第1-3周期:患者在每个周期的第1天静脉注射rituximab,并在第1、8、15和22天静脉注射tafasitamab。若无疾病进展或不可接受的毒性,每28天重复一个周期。第4-6周期:患者在每个周期的第1天静脉注射rituximab,并在第1和15天静脉注射tafasitamab。若无疾病进展或不可接受的毒性,每28天重复一个周期。随后患者接受疾病评估。达到完全缓解的患者接受主动监测。未达到完全缓解的患者继续接受第7-12周期治疗。第7-12周期:患者在每个周期的第1和15天静脉注射tafasitamab。若无疾病进展或不可接受的毒性,每28天重复一个周期。患者
【主题与分类】
主题标签:Classic 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/NCT07731789
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/NCT07731789
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
疾病类型:经典型滤泡性淋巴瘤、1级滤泡性淋巴瘤、2级滤泡性淋巴瘤、3a级滤泡性淋巴瘤。方案概要:第1-3周期:患者在每个周期的第1天接受利妥昔单抗静脉注射(IV),并在第1、8、15和22天接受tafasitamab静脉注射。若无疾病进展或不可接受的毒性,每28天重复一个周期。第4-6周期:患者在每个周期的第1天接受利妥昔单抗静脉注射,并在第1和15天接受tafasitamab静脉注射。若无疾病进展或不可接受的毒性,每28天重复一个周期。随后患者接受疾病评估。达到完全缓解的患者接受主动监测。未达到完全缓解的患者继续接受第7-12周期治疗。第7-12周期:患者在每个周期的第1和15天接受tafasitamab静脉注射。若无疾病进展或不可接受的毒性,每28天重复一个周期。在整个研究期间,患者接受正电子发射断层扫描(PET)、计算机断层扫描(CT)、骨髓活检和穿刺以及血液样本采集。研究治疗完成后,患者定期随访,最长可达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。




