类癌心脏病与肽受体放射性靶向治疗
该数据集来自 clinicaltrials.gov,主题为类癌心脏病与肽受体放射性靶向治疗,涉及类癌心脏病、类癌综合征和类癌肿瘤

基本信息
资源简介
类癌心脏病与肽受体放射性靶向治疗
该数据集来自 clinicaltrials.gov,主题为类癌心脏病与肽受体放射性靶向治疗,涉及类癌心脏病、类癌综合征和类癌肿瘤。源站描述显示这是一项开放标签、II 期、多中心、随机(1:1)的干预性药物临床试验,将在英国 3 个中心开展,由 King's College Hospital NHS Foundation Trust 协调。研究比较 Lutathera 与当前最佳支持治疗(生长抑素类似物)在无法手术、生长抑素受体阳性、组织学确诊的小肠 NENs 患者中的效果,受试者需在研究入组前 6 个月内按 RECIST 标准疾病稳定。治疗组接受四次 7.4 GBq(200 mCi)Lutathera 给药,并同时给予氨基酸以保护肾。
【数据内容】
源站描述(机器翻译,仅供参考):条件:类癌心脏病、类癌综合征、类癌肿瘤。这是一项开放标签、II 期、多中心、随机(1:1)的干预性药物临床试验。本研究将在英国 3 个中心开展。King's College Hospital NHS Foundation Trust 将作为本研究的协调中心。在本研究中,将在无法手术、生长抑素受体阳性、组织学确诊的小肠 NENs 患者中,比较 Lutathera 治疗与当前最佳支持治疗(生长抑素类似物)治疗,且这些患者在研究入组前 6 个月内按 RECIST 标准应疾病稳定。治疗组患者将接受四次 7.4 GBq(200 mCi)Lutathera 给药(每次给药时同时给予氨基酸以保护肾脏)。患者计划
【主题与分类】
主题标签:Carcinoid Heart Disease、Carcinoid Syndrome、Carcinoid Tumor。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04039516
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/NCT04039516
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:类癌心脏病、类癌综合征、类癌瘤。这是一项开放标签、II期、多中心、随机(1:1)的干预性药物临床试验。该研究将在英国3个中心开展。国王学院医院NHS基金会信托将作为本研究的协调中心。在本研究中,对于无法手术、生长抑素受体阳性、组织学确诊的小肠神经内分泌肿瘤患者,将比较Lutathera治疗与当前最佳支持治疗(生长抑素类似物)的效果,且这些患者在研究入组前6个月内根据RECIST标准应处于疾病稳定状态。治疗组患者将接受四次7.4 GBq(200 mCi)Lutathera给药(每次给药时同时给予氨基酸以保护肾脏)。患者计划继续接受研究治疗,直至发生以下任一情况:1. 不可接受的毒性;2. 根据RECIST标准判定的疾病进展;3. 患者无法或不愿遵守研究程序;4.
患者撤回参与同意。最佳支持治疗组的患者将根据当地标准治疗实践,每4周接受一次生长抑素类似物治疗。两个治疗组的肿瘤反应将在177Lu-Dotatate治疗的第2和第4个周期后进行评估,对于纳入最佳支持治疗组的患者,则每16周根据RECIST标准进行评估。研究人群包括病情稳定的类癌心脏病(CHD)和类癌综合征患者。国王学院医院在过去5年中为30名类癌心脏病患者进行了手术。在审查国王学院的病历记录时,同一时期内又发现了30名不需要手术的类癌心脏病患者。参与本研究的其他中心也有类似的CHD患者群体,并设有专门的多学科团队会议和门诊。
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。




