早中期鼻咽癌颈部淋巴结CTV优化研究

该数据集来自clinicaltrials.gov,为ISRT-NPC前瞻性、多中心、开放标签、非劣效性III期随机对照试验,计划入组488例鼻咽癌患者,按1:1随机分配接受ISI或ERI,并按机构和N分期分层

Yi JunlinYi Junlin
clinicaltrials
浏览 2
其他Nasopharyngeal Carcinoma
Optimization of Cervical Nodal CTV for Early and Medium Stage NPC

基本信息

模态
其他
创建/更新时间
2026-10-31

资源简介

早中期鼻咽癌颈部淋巴结CTV优化研究

该数据集来自clinicaltrials.gov,为ISRT-NPC前瞻性、多中心、开放标签、非劣效性III期随机对照试验,计划入组488例鼻咽癌患者,按1:1随机分配接受ISI或ERI,并按机构和N分期分层。研究比较两种颈部淋巴结临床靶区勾画策略:ISI组高危CTV1为60 Gy,低危CTV2为50 Gy;ERI组采用常规勾画。数据可用于评估早中期鼻咽癌颈部淋巴结CTV优化策略的疗效与安全性(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):Conditions: Nasopharyngeal Carcinoma. ISRT-NPC是一项前瞻性、多中心、开放标签、非劣效性III期随机对照试验。共488例患者将按1:1比例随机分配接受ISI或ERI。随机化将按机构和N分期分层。通常,在ISI组中,高危CTV1(剂量:60 Gy)包括阳性淋巴结外扩1 cm以及寰枢椎(C1)横突以上双侧的VIIa区和茎突后间隙,无论N状态如何。低危CTV2(剂量:50 Gy)覆盖颈部淋巴结区域,对于N0病变,在C1横突以下向尾侧外扩3 cm;对于阳性淋巴结,在阳性淋巴结以下外扩3 cm(至少覆盖II区)。

【主题与分类】

主题标签:Nasopharyngeal Carcinoma。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05145660

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05145660

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:鼻咽癌。ISRT-NPC是一项前瞻性、多中心、开放标签、非劣效性、III期随机对照试验。共488例患者将按1:1比例随机分配接受ISI或ERI治疗。随机化将按机构和N分期进行分层。通常,在ISI组中,高危CTV1(剂量:60 Gy)包括阳性淋巴结外扩1 cm,以及双侧寰椎(C1)横突上方的VIIa区和茎突后间隙,无论N分期如何。低危CTV2(剂量:50 Gy)覆盖颈部淋巴结区域,对于N0病变,在C1横突下方尾侧外扩3 cm;对于阳性淋巴结,在阳性淋巴结下方外扩3 cm(至少覆盖II区)。

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。