面向表皮放射性皮炎的健康方案
该数据集来自 clinicaltrials.gov,聚焦头颈部与盆腔恶性肿瘤放疗相关的放射性皮炎问题。源站描述指出,放疗是这些部位恶性肿瘤的标准治疗手段,可单用或联合化疗,但常伴随不良反应,其中放射性皮炎(RID)是最常见毒性之一,影响高达95%的患者,其严重程度受年龄、性别、族裔、营养状况、糖尿病

基本信息
资源简介
面向表皮放射性皮炎的健康方案
该数据集来自 clinicaltrials.gov,聚焦头颈部与盆腔恶性肿瘤放疗相关的放射性皮炎问题。源站描述指出,放疗是这些部位恶性肿瘤的标准治疗手段,可单用或联合化疗,但常伴随不良反应,其中放射性皮炎(RID)是最常见毒性之一,影响高达95%的患者,其严重程度受年龄、性别、族裔、营养状况、糖尿病或全身炎症等内在因素以及放疗技术、总剂量、照射体积和感染等外在因素影响。数据可用于研究放射性皮肤损伤的风险因素与临床管理(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、盆腔癌、放射性皮肤损伤、妇科肿瘤、放疗副作用。放射治疗是头颈部和盆腔区域恶性肿瘤的标准治疗方法,可单独使用或与化疗联合使用。虽然有效,但常伴随可能影响患者结局的不良反应。最常见的毒性之一是放射性皮炎(RID),影响高达95%的患者。这些皮肤反应严重程度不一,可能损害生活质量并导致治疗中断。RID的严重程度受内在和外在因素影响。内在因素包括年龄、性别、族裔、营养状况以及糖尿病或全身炎症等合并症。外在因素包括放疗技术、总剂量、照射体积和感染的存在。这些变
【主题与分类】
主题标签:Head and Neck Cancer、Pelvic Cancer、Radiation Skin Injury、Gynecologic Cancer、Radiotherapy Side Effect。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07129525
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/NCT07129525
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:头颈癌、盆腔癌、放射性皮肤损伤、妇科癌症、放疗副作用。放射治疗是头颈部和盆腔区域恶性肿瘤的标准治疗方法,可单独使用或与化疗联合使用。尽管有效,但常伴随可能影响患者预后的不良反应。最常见的毒性反应之一是放射性皮炎(RID),影响高达95%的患者。这些皮肤反应严重程度不一,可能损害生活质量并导致治疗中断。RID的严重程度受内在和外在因素影响。内在因素包括年龄、性别、种族、营养状况以及糖尿病或全身性炎症等合并症。外在因素包括放射技术、总剂量、照射体积和感染的存在。这些变量需要密切监测以减少并发症。放射线损伤皮肤及皮下组织,引起干燥症、色素改变、弹性丧失、纤维化和不同程度的皮炎。
有效的预防始于患者教育和整个治疗过程中的皮肤护理支持,以降低发生率和严重程度。在意大利,头颈部癌症虽然不如其他恶性肿瘤常见,但带来了显著的临床负担。喉癌每年约有5000例新发病例。口腔、咽部和甲状腺肿瘤的发病率也较为显著,且需要(放)化疗等复杂治疗,增加了放射性皮肤损伤(RID)的风险。RID不仅是临床问题,也是心理和功能方面的挑战。疼痛、情绪困扰和自主能力下降是影响患者整体健康的关键方面。整合临床护理与心理社会支持的多维度方法至关重要。本研究旨在探讨放疗或放化疗期间RID严重程度、疼痛、心理困扰与功能自主性之间的关系,识别严重毒性的预测因素,并指导个性化支持性护理。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




