单次与多次弧形放疗治疗疼痛性骨转移
该数据集来自 clinicaltrials.gov,主题为单次与多次弧形放疗治疗疼痛性骨转移,属于肿瘤领域。源站描述涉及恶性骨转移瘤与癌性疼痛,比较基于 VMAT 的单次放疗(8 Gy 1 次)与多次放疗(20 Gy 5 次),SMART 试验为前瞻性、单中心、随机、开放标签、平行组先导可行性研究

基本信息
资源简介
单次与多次弧形放疗治疗疼痛性骨转移
该数据集来自 clinicaltrials.gov,主题为单次与多次弧形放疗治疗疼痛性骨转移,属于肿瘤领域。源站描述涉及恶性骨转移瘤与癌性疼痛,比较基于 VMAT 的单次放疗(8 Gy 1 次)与多次放疗(20 Gy 5 次),SMART 试验为前瞻性、单中心、随机、开放标签、平行组先导可行性研究。数据可用于评估单次放疗在疼痛缓解、治疗负担与资源利用方面的表现,并支持骨转移疼痛放疗方案的分类与比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:恶性肿瘤骨转移、癌性疼痛。单次放疗(SFRT)是缓解疼痛性骨转移的既定标准治疗。然而,由于对疼痛控制持久性和再治疗的担忧,多次放疗(MFRT)在临床实践中仍被广泛使用。随着容积旋转调强放疗(VMAT)等现代弧形放疗技术的日益普及,有必要评估单次放疗能否在提供有效疼痛缓解的同时减少治疗负担并改善资源利用。SMART 试验是一项前瞻性、单中心、随机、开放标签、平行组先导可行性研究,在疼痛性骨转移患者(包括脊柱转移)中比较基于 VMAT 的 SFRT(8 Gy 分 1 次)与基于 VMAT 的 MFRT(20 Gy 分 5 次)。
【主题与分类】
主题标签:Bone Metastases of a Malignant Tumor、Cancer Pain。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07772206
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/NCT07772206
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:恶性肿瘤骨转移、癌性疼痛。单次分割放疗(SFRT)是缓解疼痛性骨转移的既定标准治疗方法。然而,由于对疼痛控制持久性和再治疗的担忧,多次分割放疗(MFRT)在临床实践中仍被广泛使用。随着容积旋转调强放疗(VMAT)等现代弧形放疗技术的日益普及,有必要评估单次分割放疗是否能在提供有效疼痛缓解的同时,减轻治疗负担并改善资源利用。SMART试验是一项前瞻性、单中心、随机、开放标签、平行组初步可行性研究,旨在比较基于VMAT的SFRT(8 Gy单次分割)与基于VMAT的MFRT(20 Gy五次分割)在疼痛性骨转移患者(包括脊柱转移)中的疗效。约70名参与者将按1:1比例随机分配接受SFRT或MFRT。两种治疗方案均将采用VMAT实施,并每日使用锥形束计算机断层扫描(CBCT)图像引导进行图像引导放疗。
将采用分层区组随机化,依据转移部位(脊柱与非脊柱)进行分层,以保持两个治疗组之间的均衡。在每个分层内,将使用计算机生成的变动区组随机化,区组大小为4和6。分配将通过顺序编号、不透明、密封的信封进行隐藏。疼痛将在基线和随访期间使用数字评定量表(NRS-11)和Wong-Baker FACES疼痛量表进行评估。参与者将在放疗后2周、4周和12周接受评估。本初步研究的主要目的是评估在参与的三级肿瘤中心进行随机对照试验的可行性。可行性将包括招募、治疗完成、随访完成以及研究数据的完整性。主要疗效结局将是4周时的总体疼痛缓解情况。
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。




