托珠利司肽与Canvas系统荧光检测成人原发性中枢神经系统肿瘤
本研究针对中枢神经系统肿瘤,考察单剂 tozuleristide(24或36 mg)和 Canvas 成像系统在原发性中枢神经系统肿瘤手术切除中的应用,涵盖原发性钆增强(高级别)、原发性非钆增强及原发性前庭神经鞘瘤

基本信息
资源简介
托珠利司肽与Canvas系统荧光检测成人原发性中枢神经系统肿瘤
本研究针对中枢神经系统肿瘤,考察单剂 tozuleristide(24或36 mg)和 Canvas 成像系统在原发性中枢神经系统肿瘤手术切除中的应用,涵盖原发性钆增强(高级别)、原发性非钆增强及原发性前庭神经鞘瘤。主要目标为观察二者在原发性增强/高级别肿瘤中显示荧光的效果,并估计活检荧光的真阳性率、真阴性率及区分肿瘤与非肿瘤组织的敏感性和特异性。次要目标为评估安全性,并判断术中残留荧光是否对应术后 MRI 残留肿瘤,或无荧光对应无大体残留肿瘤证据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:中枢神经系统肿瘤。本研究的目的是考察在原发性中枢神经系统(CNS)肿瘤手术切除期间使用单剂量 tozuleristide(24 或 36 mg)和 Canvas 成像系统的情况:原发性钆增强(高级别)CNS肿瘤、原发性非钆增强CNS肿瘤以及原发性前庭神经鞘瘤。本研究的主要目的是观察在原发性增强型/高级别 CNS 肿瘤中,手术切除期间 tozuleristide 和 Canvas 成像系统显示荧光的效果如何;并在显示 tozuleristide 荧光的肿瘤中,估计组织活检中荧光的真阳性率和真阴性率,以及 tozuleristide 荧光区分肿瘤组织与非肿瘤组织的敏感性和特异性。本研究的次要目的包括评估 tozuleristide 和 Canvas 成像系统的安全性,并确定手术时残余荧光的存在是否与术后 MRI 图像上可见的残留肿瘤相对应,或荧光缺失是否与术后磁共振成像(MRI)上无大体残留肿瘤的证据相对应。
【主题与分类】
主题标签:Central Nervous System Tumor。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04743310
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/NCT04743310
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:中枢神经系统肿瘤。本研究的目的是考察在原发性中枢神经系统(CNS)肿瘤手术切除期间使用单剂量 tozuleristide(24 或 36 mg)和 Canvas 成像系统的情况:原发性钆增强(高级别)CNS肿瘤、原发性非钆增强CNS肿瘤以及原发性前庭神经鞘瘤。本研究的主要目的是观察在原发性增强型/高级别 CNS 肿瘤中,手术切除期间 tozuleristide 和 Canvas 成像系统显示荧光的效果如何;并在显示 tozuleristide 荧光的肿瘤中,估计组织活检中荧光的真阳性率和真阴性率,以及 tozuleristide 荧光区分肿瘤组织与非肿瘤组织的敏感性和特异性。本研究的次要目的包括评估 tozuleristide 和 Canvas 成像系统的安全性,并确定手术时残余荧光的存在是否与术后 MRI 图像上可见的残留肿瘤相对应,或荧光缺失是否与术后磁共振成像(MRI)上无大体残留肿瘤的证据相对应。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




