难治性脑转移瘤的精准放疗：一项多中心研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07586657

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：脑转移瘤。传统图像引导技术（如锥形束CT）软组织对比度较差，治疗效果不理想。MRgART可提供脑组织的高分辨率成像，并通过每日获取MR图像，成功实现实时图像监测，显示治疗过程中肿瘤位置和体积的变化。这可能提高脑转移瘤的局部控制率，降低毒性，并转化为生存获益。我们的研究团队已开展了一项II期前瞻性研究并取得了良好结果，颅内脑转移瘤1年局部控制率达100%，显著优于传统放疗的历史对照，无严重晚期毒性，实现了实时个体化精准治疗。基于II期研究结果，设计了这项III期单臂前瞻性研究。本研究旨在开展多中心前瞻性研究，建立MR引导自适应放疗（MRgART）技术平台，实现肿瘤位置和体积变化的实时监测以及个体化计划自适应调整。

通过技术创新，我们旨在显著提高大型和复杂位置脑转移瘤的局部控制率，同时减少放射性脑坏死等严重不良反应，从而为精准和安全的治疗奠定技术基础。本研究将基于放疗期间获取的每分次MR图像，建立脑转移瘤自适应放疗（ART）的新技术体系，利用自适应放疗提高靶区剂量覆盖，并降低正常脑组织等危及器官的辐射剂量。预期将验证高局部控制率、低毒性及显著延长生存期的II期研究结果。基于所获得的结果，结合多中心临床实践和应用经验，将举办国内外专家研讨会和专题会议。

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。