立体定向放射外科治疗严重难治性癌痛的假手术对照初步试验

该数据集来自 clinicaltrials.gov,是一项假手术对照的初步随机试验,评估三靶点立体定向放射外科在晚期(IV 期)癌症伴严重混合性难治性疼痛成人中的可行性

Centro Internacional del CáncerCentro Internacional del Cáncer
clinicaltrials
浏览 9
医学影像回归Cancer PainRefractory Pain
Radiosurgery for Severe Refractory Cancer Pain: A Sham-Controlled Pilot Trial

基本信息

模态
医学影像
任务类型
回归
创建/更新时间
2026-10-20

资源简介

立体定向放射外科治疗严重难治性癌痛的假手术对照初步试验

该数据集来自 clinicaltrials.gov,是一项假手术对照的初步随机试验,评估三靶点立体定向放射外科在晚期(IV 期)癌症伴严重混合性难治性疼痛成人中的可行性。参与者按 1:1 随机接受单次 Gamma Knife 放射外科(照射垂体及双侧丘脑内侧)或相同但不含辐射的假手术,两组均继续标准疼痛治疗。主要比较基线至第 15 天 0-10 视觉模拟量表疼痛强度的变化,并探索阿片类药物消耗、生活质量与安全性。研究者伦理再评估后,入组在计划 20 例中的 10 例后停止。数据可用于疼痛强度变化分析及相关临床结局探索(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:癌痛、难治性疼痛。这项初步随机试验评估了在晚期(IV 期)癌症且经优化药物治疗和专科管理仍难治的严重混合性疼痛成人中,三靶点立体定向放射外科的假手术对照比较是否可行。参与者按 1:1 随机接受单次 Gamma Knife 放射外科治疗,照射垂体及双侧丘脑内侧,或接受相同的无辐射假手术;两组均继续标准疼痛护理。主要比较是基线至第 15 天 0-10 视觉模拟量表疼痛强度的变化。探索了阿片类药物消耗、生活质量和安全性。研究者进行伦理再评估后,入组在计划 20 名参与者中的 10 名后停止。

【主题与分类】

主题标签:Cancer Pain、Refractory Pain。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07871123

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

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/NCT07871123

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:癌痛、难治性疼痛。这项初步随机试验评估了在晚期(IV期)癌症且经优化药物治疗和专科管理仍难以控制的严重混合性疼痛成人患者中,开展三靶点立体定向放射外科假手术对照比较是否可行。参与者按1:1随机分配至接受单次伽玛刀放射外科治疗,照射垂体及双侧丘脑内侧;或接受相同的假手术操作但不给予辐射;两组均继续接受标准疼痛治疗。主要比较指标为疼痛强度从基线至第15天在0-10视觉模拟量表上的变化。同时探讨了阿片类药物消耗量、生活质量及安全性。在研究者的伦理重新评估后,入组在计划20名参与者中的10名完成后停止。

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。

获取专属数据定制方案