视神经鞘脑膜瘤多程放射外科治疗数据集
ONSMs 是罕见肿瘤,约占所有眼眶肿瘤的 2%、颅内脑膜瘤的 1-2% 以及视神经病变的三分之一,通常为单侧,约 5% 呈双侧发展

基本信息
资源简介
视神经鞘脑膜瘤多程放射外科治疗数据集
该数据集来源于 clinicaltrials.gov,聚焦于视神经鞘脑膜瘤(Optic Nerve Sheath Meningiomas, ONSMs)的多程放射外科治疗。ONSMs 是罕见肿瘤,约占所有眼眶肿瘤的 2%、颅内脑膜瘤的 1-2% 以及视神经病变的三分之一,通常为单侧,约 5% 呈双侧发展。根据生长模式可分为原发性和继发性,原发性又细分为眶内型和管内型。数据集涵盖这些肿瘤的病理特征(如脑膜皮型或过渡型),可用于研究该罕见肿瘤的临床特征及放射外科治疗策略(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:视神经鞘肿瘤,良性。引言 视神经鞘脑膜瘤(ONSMs)是罕见肿瘤。它们约占所有眼眶肿瘤的2%、颅内脑膜瘤的1-2%以及视神经病变的三分之一(23, 32, 42, 43)。通常这些肿瘤为单侧,但5%呈双侧发展(33)。根据生长模式,这些肿瘤可分为原发性和继发性形式。前者起源于视神经纤维硬脑膜囊的蛛网膜帽细胞,通常沿神经呈环周生长。原发性ONSMs可进一步细分为眶内型和管内型。继发性ONSMs通常起源于蝶骨嵴或鞍结节,随后扩散至视神经管和眼眶(14, 42)。病理学研究常显示脑膜皮型或过渡型
【主题与分类】
主题标签:Optic Nerve Sheath Tumors, Benign。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02594709
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/NCT02594709
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:视神经鞘肿瘤,良性。引言 视神经鞘脑膜瘤(ONSMs)是罕见的肿瘤。它们约占所有眼眶肿瘤的2%、颅内脑膜瘤的1-2%以及视神经病变的三分之一(23, 32, 42, 43)。通常这些肿瘤为单侧性,但5%呈双侧发展(33)。根据生长模式,这些肿瘤可分为原发性和继发性两种形式。前者起源于视神经纤维硬脑膜囊的蛛网膜帽细胞,通常沿神经呈环周生长。原发性ONSMs可进一步分为眶内型和管内型。继发性ONSMs通常起源于蝶骨嵴或鞍结节,随后蔓延至视神经管和眼眶(14, 42)。病理学研究常显示脑膜皮型或过渡型组织学特征。中年女性最常受累(4, 36, 44)。最常见的表现症状是视力下降,包括视力或视野的损害。这几乎直接反映了视神经受压及血管重排。视神经萎缩常见。
视神经睫状分流是一种晚期且罕见的体征,但它是压迫性视神经病变的直接表现,可作为ONSM诊断的特征性依据(35, 43)。传统上治疗选择包括观察、手术和放疗,但迄今为止,这些方法中的任何一种都未被确立为首选治疗。然而,新技术的发展提高了人们对放疗应用的兴趣。由于脑膜瘤的良性性质及其缓慢的生长模式,可考虑保守治疗。然而,这不可避免地导致视力恶化或完全失明(18, 33, 43, 44)。手术主张用于肿瘤处理,特别是在进行性视力丧失或完全失明、肿瘤进展和颅内侵犯的情况下。无论如何,由于它们之间密切的关系
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。




