Erlotinib与手术治疗可切除头颈癌患者的研究
该数据集来自clinicaltrials.gov,聚焦可手术切除的头颈部鳞状细胞癌(HNSCC)患者,研究新辅助Erlotinib hydrochloride治疗与手术联合应用

基本信息
资源简介
Erlotinib与手术治疗可切除头颈癌患者的研究
该数据集来自clinicaltrials.gov,聚焦可手术切除的头颈部鳞状细胞癌(HNSCC)患者,研究新辅助Erlotinib hydrochloride治疗与手术联合应用。核心目标是识别与治疗反应相关的组织生物标志物,包括EGFR C端酪氨酸位点磷酸化水平及下游通路激活标志物P-AKT、P-ERK,并分析不同标志物水平与变化间的相关性,以评估EGFR通路激活及Erlotinib抑制机制。数据可用于肿瘤生物标志物与靶向治疗反应关联研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:头颈癌。目的:主要 识别与可切除头颈部鳞状细胞癌(HNSCC)患者对新辅助Erlotinib hydrochloride治疗反应最相关的组织生物标志物(主要是单个C端EGFR酪氨酸位点的磷酸化水平,通过nano-LC-MS/MS测量,以及主要下游通路激活的标志物如P-AKT和P-ERK,通过nano-LC-MS/MS和更临床标准化的IHC测量)。 确定不同单个生物标志物(例如C端EGFR磷酸化水平及招募的衔接蛋白和下游通路激活标志物)的水平与变化之间的最佳相关性,以评估HNSCC中EGFR通路激活的机制以及Erlotinib hydrochloride在HNSCC组织中对EGFR通路抑制的机制。* 评估Erlotinib后
【主题与分类】
主题标签:Head and Neck Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00601913
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/NCT00601913
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:头颈部肿瘤。目的:主要目标 * 识别与可切除头颈部鳞状细胞癌(HNSCC)患者对新辅助盐酸厄洛替尼治疗反应最相关的组织生物标志物(主要是通过纳米液相色谱-串联质谱法测定的单个C端EGFR酪氨酸位点磷酸化水平,以及通过纳米液相色谱-串联质谱法和更临床标准化的免疫组化测定的主要下游通路激活标志物如P-AKT和P-ERK)。 * 确定不同单个生物标志物(例如C端EGFR磷酸化水平及招募的衔接蛋白和下游通路激活标志物)水平与变化之间的最佳相关性,以评估HNSCC中EGFR通路激活机制及盐酸厄洛替尼对HNSCC组织中EGFR通路的抑制机制。 * 评估盐酸厄洛替尼治疗后不同受体和分子的上调情况,如HER2和HER3、PDGFR、IGFR、mTOR、src和极光激酶,这些分子已有特异性抑制剂可用于临床研究。
次要目标 * 通过这些患者的总体缓解率、安全性和耐受性评估盐酸厄洛替尼术前治疗的疗效。 * 评估FDG-PET扫描作为盐酸厄洛替尼疗效预测指标的作用。 * 评估PET/CT在测量盐酸厄洛替尼短期治疗疗效中的作用。 * 评估手术病理标本中复发危险因素的发生率。 大纲:患者根据吸烟状态分组(非主动吸烟者[不吸烟、平均每日吸烟<10支,或入组前吸烟<1年] vs 主动吸烟者[平均每日吸烟≥10支且吸烟≥1年])。 * 非主动吸烟患者:患者口服盐酸厄洛替尼150 mg,每日一次,至少14天。第15天患者接受肿瘤手术切除。 * 主动吸烟患者:患者接
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。




