二甲双胍预防口腔白斑或红斑患者口腔癌
该数据集来自 clinicaltrials.gov,聚焦于口腔红斑与口腔白斑患者,评估二甲双胍干预对目标病变的组织学反应、临床反应、细胞增殖标志物(Ki67、pS6、核YAP)、血清代谢指标(C肽、血糖、HbA1c)及血浆二甲双胍谷浓度的影响,并探索p53、PTEN、p16、EGFR等分子机制、免疫

基本信息
资源简介
二甲双胍预防口腔白斑或红斑患者口腔癌
该数据集来自 clinicaltrials.gov,聚焦于口腔红斑与口腔白斑患者,评估二甲双胍干预对目标病变的组织学反应、临床反应、细胞增殖标志物(Ki67、pS6、核YAP)、血清代谢指标(C肽、血糖、HbA1c)及血浆二甲双胍谷浓度的影响,并探索p53、PTEN、p16、EGFR等分子机制、免疫细胞浸润、基因组改变及口腔冲洗液微生物组。可用于口腔癌前病变干预研究、生物标志物分析与肿瘤预防建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:红斑、口腔白斑。主要目的:I. 确定目标病变对盐酸二甲双胍(二甲双胍)干预的组织学反应。次要目的:I. 目标病变对二甲双胍干预的临床反应。II. 二甲双胍对目标病变中细胞增殖(Ki67)及其分子靶点(pS6和核YAP)的影响。III. 二甲双胍对血清代谢标志物(C肽、葡萄糖和HbA1c)的影响。IV. 血浆二甲双胍谷浓度。探索性目的:I. 目标病变中失调分子机制的表达,按优先顺序包括p53、PTEN、p16、EGFR和pEGFR。II. 目标病变中的免疫细胞浸润和炎症标志物。III. 目标病变和血液脱氧核糖核酸(DNA)中基因组改变的分析。IV. 口腔冲洗液中的微生物组。概述:Pa
【主题与分类】
主题标签:Erythroplakia、Oral Leukoplakia。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05237960
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/NCT05237960
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:红斑、口腔白斑。主要目的:I. 确定目标病变对盐酸二甲双胍(二甲双胍)干预的组织学反应。次要目的:I. 目标病变对二甲双胍干预的临床反应。II. 二甲双胍对目标病变中细胞增殖(Ki67)及其分子靶点(pS6和核YAP)的影响。III. 二甲双胍对血清代谢标志物(C肽、葡萄糖和HbA1c)的影响。IV. 血浆二甲双胍谷浓度。探索性目的:I. 目标病变中失调分子机制的表达,按优先级顺序包括p53、PTEN、p16、EGFR和pEGFR。II. 目标病变中的免疫细胞浸润和炎症标志物。III. 目标病变和血液脱氧核糖核酸(DNA)中的基因组改变分析。IV. 口腔漱洗液中的微生物组。大纲:患者被随机分配到2个组中的1个。第I组:患者在无疾病进展或不可接受的毒性情况下,口服(PO)盐酸二甲双胍缓释片,每日一次(QD),持续24周。患者还在基线和第24周接受血液采集和活检。
ARM II:在无疾病进展或不可接受的毒性反应的情况下,患者接受安慰剂口服,每日一次,持续24周。患者还在基线和第24周时接受血液采集和活检。研究治疗完成后,对患者进行最长3周的随访。
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。




