血尿患者尿DNA甲基化检测诊断尿路上皮癌的性能评估
该数据集来自clinicaltrials.gov,聚焦血尿患者中尿路上皮癌的无创检测。覆盖血尿、尿路上皮癌、膀胱癌、输尿管癌及肾盂癌等主题,研究评估尿液DNA甲基化检测在血尿人群中检出尿路上皮癌的性能,并以标准临床诊断(检查、检验、手术及病理评估)作为参照

基本信息
资源简介
血尿患者尿DNA甲基化检测诊断尿路上皮癌的性能评估
该数据集来自clinicaltrials.gov,聚焦血尿患者中尿路上皮癌的无创检测。覆盖血尿、尿路上皮癌、膀胱癌、输尿管癌及肾盂癌等主题,研究评估尿液DNA甲基化检测在血尿人群中检出尿路上皮癌的性能,并以标准临床诊断(检查、检验、手术及病理评估)作为参照。数据可用于探索无创分子检测在尿路上皮癌早期发现中的应用价值,并支持检测性能的分类评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血尿、尿路上皮癌、膀胱癌、输尿管癌、肾盂癌。尿路上皮癌(UC)是泌尿系统最常见的恶性肿瘤,早期发现和诊断对患者预后至关重要。血尿是UC的重要临床表现,但其诊断往往依赖侵入性操作和影像学检查,给患者带来沉重负担。随着分子生物学技术的进步,尿液DNA甲基化检测已成为一种无创、高灵敏度的UC早期检测方法。本研究旨在评估尿液DNA甲基化检测在血尿患者中检出UC的性能。所有血尿患者将接受标准临床诊断,包括检查、检验、手术和病理评估,以确定是否存在UC。这些临床诊断将
【主题与分类】
主题标签:Hematuria、Urothelial Carcinoma、Bladder Cancer、Ureter Cancer、Renal Pelvis Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06469229
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/NCT06469229
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
条件:血尿、尿路上皮癌、膀胱癌、输尿管癌、肾盂癌。尿路上皮癌(UC)是泌尿系统最常见的恶性肿瘤,早期发现和诊断对患者预后至关重要。血尿是UC的重要临床表现,但其诊断往往依赖于侵入性操作和影像学检查,给患者带来沉重负担。随着分子生物学技术的进步,尿液DNA甲基化检测已成为一种非侵入性、高灵敏度的UC早期检测方法。本研究旨在评估尿液DNA甲基化检测在血尿患者中检测UC的性能。所有血尿患者将接受标准临床诊断,包括检查、检验、手术和病理评估,以确定是否存在UC。这些临床诊断将作为金标准,用于评估尿液DNA甲基化检测在血尿患者中检测UC的敏感性和特异性。
根据尿液DNA甲基化检测的预期性能指标及既往研究数据,样本量计算如下:预期灵敏度:0.86;假设灵敏度:0.80;预期特异度:0.90;假设特异度:0.85;显著性水平(Alpha):0.05。考虑5%的脱落率,实际需招募参与者1109例,以确保有效样本量为1053例。研究流程——入组与样本采集:筛选符合纳入标准的患者,获取知情同意,采集尿液样本,并分配筛选编号。授权研究人员将对入组样本进行设盲和分装,以确保检测过程的客观性和公正性。设盲后,按照检测试剂说明书进行尿液DNA甲基化检测。为确保结果的准确性和可靠性,选取一部分已知检测结果的样本进行外部甲基化测序。授权研究人员将对样本进行揭盲,并且
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。




