口腔癌患者放疗后颌骨放射性骨坏死危险因素数据集
该数据集来自 clinicaltrials.gov,聚焦口腔癌患者放疗后颌骨放射性骨坏死(ORN)的危险因素。ORN 是头颈部肿瘤放疗后的严重并发症,表现为颌骨组织坏死、暴露骨、疼痛、张口困难、吞咽困难甚至颌骨骨折,常由拔牙或义齿不合等牙科问题诱发

基本信息
资源简介
口腔癌患者放疗后颌骨放射性骨坏死危险因素数据集
该数据集来自 clinicaltrials.gov,聚焦口腔癌患者放疗后颌骨放射性骨坏死(ORN)的危险因素。ORN 是头颈部肿瘤放疗后的严重并发症,表现为颌骨组织坏死、暴露骨、疼痛、张口困难、吞咽困难甚至颌骨骨折,常由拔牙或义齿不合等牙科问题诱发。头颈部肿瘤患者 ORN 发生率从不足 1% 到超过 50% 不等,口腔癌患者为 4% 至 25%。治疗从药物到大型手术不等,危险因素包括放疗剂量、肿瘤位置、口腔卫生和拔牙等。该数据可用于 ORN 风险预测与危险因素分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:放射性骨坏死、放疗、危险因素、口腔癌、口腔腔癌。颌骨放射性骨坏死(ORN)是头颈部肿瘤(包括口腔腔癌,OCC)放疗后可能发生的一种严重并发症。当颌骨组织坏死且无法愈合时就会发生 ORN,常由拔牙或义齿不合等牙科问题诱发。症状可包括骨暴露、疼痛、张口困难、吞咽困难,甚至颌骨骨折——导致重大的身体和情感挑战。头颈部肿瘤患者中 ORN 的发生率差异很大,从不足 1% 到超过 50% 不等。就 OCC 而言,研究报告的发生率为 4% 至 25%。治疗取决于骨受累程度,范围从药物治疗到大型手术。危险因素包括放疗剂量、肿瘤位置、口腔健康、拔牙
【主题与分类】
主题标签:Osteoradionecrosis、Radiotherapy、Risk Factors、Oral Cancer、Oral Cavity Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07836829
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/NCT07836829
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:放射性骨坏死、放疗、危险因素、口腔癌、口腔腔癌。颌骨放射性骨坏死(ORN)是头颈部癌症(包括口腔腔癌(OCC))放疗后可能发生的一种严重并发症。当颌骨组织死亡且无法愈合时,就会发生ORN,通常由牙齿问题(如拔牙或假牙不合适)引发。症状可能包括骨暴露、疼痛、张口困难、吞咽困难,甚至颌骨骨折——从而导致重大的身体和情感挑战。ORN的发生率差异很大,在头颈部癌症患者中从低于1%到超过50%不等。就OCC而言,研究报告的发生率从4%到25%不等。治疗取决于骨受累程度,范围从药物治疗到大型手术。危险因素包括放射剂量、肿瘤位置、口腔健康、拔牙、生活习惯(如饮酒)以及其他健康状况。口腔卫生差、高放射剂量和饮酒是最常见的风险因素之一。然而,目前关于OCC患者的数据有限,且往往不具有广泛适用性。
本研究将回顾性分析接受术前或术后放疗的口腔癌患者中,哪些因素会增加放射性骨坏死(ORN)的风险。通过利用多个国际中心的数据,旨在识别相关模式并提供具有全球意义的见解。研究结果将有助于指导预防策略,并制定基于证据的指南,以减少ORN的发生并改善这些患者的长期预后。
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。




