IMRT与分子影像引导自适应放疗治疗晚期HNSCC的I期研究
该数据集来自clinicaltrials.gov,收录一项针对晚期头颈部鳞状细胞癌的I期临床研究,覆盖唾液腺鳞状细胞癌、下咽、唇及口腔、口咽等II至III期病变

基本信息
资源简介
IMRT与分子影像引导自适应放疗治疗晚期HNSCC的I期研究
该数据集来自clinicaltrials.gov,收录一项针对晚期头颈部鳞状细胞癌的I期临床研究,覆盖唾液腺鳞状细胞癌、下咽、唇及口腔、口咽等II至III期病变。研究主要评估将分子影像(FLT示踪剂PET)整合进图像引导自适应放疗的可行性,并在预设范围内确定同步顺铂放疗的最大耐受剂量,同时比较FDG-PET、FLT-PET、CBCT与常规FBCT定义的肿瘤体积。数据可用于放疗剂量预测与影像引导自适应治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:唾液腺鳞状细胞癌、II期唾液腺癌、II期下咽鳞状细胞癌、II期唇及口腔鳞状细胞癌、II期口咽鳞状细胞癌、II期口腔疣状癌、III期唾液腺癌、III期下咽鳞状细胞癌。主要目标:I. 确定将分子影像(使用FLT示踪剂的PET)整合到当前最先进的头颈部癌症图像引导自适应放射治疗(IGART)中的可行性。II. 在预设范围内确定同步顺铂联合基于分子和解剖影像的IGART治疗头颈部癌症的最大耐受放射剂量。次要目标:I. 比较FDG-PET、FLT-PET、CBCT和常规FBCT在治疗前、治疗中及治
【主题与分类】
主题标签:Salivary Gland Squamous Cell Carcinoma、Stage II Salivary Gland Cancer、Stage III Salivary Gland Cancer、Stage IV Salivary Gland Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01283178
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/NCT01283178
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
疾病条件:唾液腺鳞状细胞癌、II期唾液腺癌、II期下咽鳞状细胞癌、II期唇及口腔鳞状细胞癌、II期口咽鳞状细胞癌、II期口腔疣状癌、III期唾液腺癌、III期下咽鳞状细胞癌。主要目标:I. 确定将分子影像(采用FLT示踪剂的PET)整合到当前最先进的头颈部癌症图像引导自适应放射治疗(IGART)中的可行性。II. 在预定义范围内确定头颈部癌症同步顺铂化疗及基于分子和解剖影像的IGART的最大耐受放射剂量。次要目标:I. 比较在化放疗前、中、完成后由FDG-PET、FLT-PET、CBCT和常规FBCT定义的大体肿瘤体积。II. 评估在放射治疗前和期间对具有高FLT和FDG摄取的肿瘤亚体积进行剂量递增的影响,使用治疗后FDG图像作为亚体积特异性局部控制的早期替代指标。III.
建立一个包含化放疗期间获取的所有分子和解剖图像(包括每日CBCT数据集)的数据库,以支持进一步研究。潜在应用包括确定最佳自适应再计划频率,以及基于由每日CBCT和FBCT数据集变形配准衍生的4D解剖数据集实施IGART的获益。IV. 确定患者的长期毒性和生存情况。V. 评估每日图像引导摆位、隔周离线自适应再计划以及基于分子图像的靶向治疗对保护导致晚期和早期治疗 sequela 的组织和器官的影响。大纲:这是一项调强放疗的剂量递增研究。患者每周5天、每天一次接受调强图像引导自适应放疗,持续6周。患者还在第1天和第22天接受顺铂静脉注射。在无疾病进展或不可接受的毒性的情况下继续治疗。完成研究治疗后
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。




