鼻咽癌中Risk-Adapted省略Va区照射研究
条件：按AJCC V9分期的鼻咽癌。这是一项随机、III期、前瞻性、多中心试验，受试者为新诊断的无远处转移的鼻咽癌（NPC）患者
基本信息
资源简介
鼻咽癌中Risk-Adapted省略Va区照射研究
该数据集围绕一项针对鼻咽癌的随机、III期、前瞻性、多中心临床试验构建，英文名称为 Risk-Adapted Omission of Level Va Irradiation in Nasopharyngeal Carcinoma，在站内归入肿瘤 / 其他分类，来源为 clinicaltrials.gov。试验关注按 AJCC V9 分期的鼻咽癌，受试对象为新诊断且无远处转移的鼻咽癌（NPC）患者。研究将评估在不具备相应风险特征的患者中省略 Level Va 照射是否不会损害区域控制或生存，目标是提供有力证据，以指导鼻咽癌放疗的进一步个体化。数据集的主题标签为 Nasopharyngeal Carcinoma by AJCC V9 Stage，整体属于肿瘤学领域中以放疗策略优化为方向的临床研究资料。
【数据集背景】
鼻咽癌的放疗方案设计需要在区域控制与正常组织保护之间取得平衡。该数据集所对应的研究聚焦于按 AJCC V9 分期的鼻咽癌人群，针对新诊断且无远处转移的患者，探索在缺乏特定风险特征时省略 Level Va 照射的可能性。研究定位为随机、III期、前瞻性、多中心试验，其核心问题是：在不具备这些风险特征的患者中省略 Level Va 照射，是否不会损害区域控制或生存。该研究希望以稳健证据支持鼻咽癌放疗的进一步个体化，因此数据集背景体现了风险适应（risk-adapted）的放疗决策思路。
【数据内容】
源站描述显示，该数据集对应的是上述临床试验，条件为按 AJCC V9 分期的鼻咽癌，受试者为新诊断的无远处转移的鼻咽癌患者。主题标签为 Nasopharyngeal Carcinoma by AJCC V9 Stage。除这些试验层面的描述外，源站未提供具体变量、字段结构、样本量、终点指标数值或统计结果等数据内容细节。
【采集与来源】
该数据集来源站为 clinicaltrials.gov，属于临床试验注册信息。源站描述表明这是一项随机、III期、前瞻性、多中心试验，研究对象为新诊断的无远处转移的鼻咽癌患者。关于采集时间、采集机构、数据更新频率及具体采集流程，源站未提供。
【适用场景】
基于现有描述，该数据集适用于了解按 AJCC V9 分期的鼻咽癌放疗中风险适应策略的研究设计，尤其是围绕省略 Level Va 照射是否影响区域控制或生存这一问题的临床试验信息查阅。其潜在用途包括为鼻咽癌放疗个体化研究提供试验层面的参考。关于具体分析场景、模型训练或临床决策支持等用途，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式、数据结构说明或操作指南。
【质量与限制】
该数据集信息来自临床试验注册描述，属于试验层面的概要信息。源站未提供样本量、终点定义细节、统计分析方法、数据完整性指标或质量控制措施。由于缺乏具体数据字段与结果信息，无法基于现有描述评估其数据质量或开展二次分析。相关限制应以源站未提供为准，不宜作进一步推断。
【引用与许可】
源站未提供该数据集的引用格式、许可条款或使用限制说明。
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。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT07268690
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：按AJCC第9版分期的鼻咽癌。这是一项随机、III期、前瞻性、多中心试验，研究对象为新诊断的无远处转移的鼻咽癌（NPC）患者。本研究将评估在不具备这些风险特征的患者中省略Va区照射是否会不影响区域控制或生存，旨在为鼻咽癌放疗的进一步个体化提供有力证据。
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。
