间质促纤维增生反应作为甲状腺髓样癌淋巴结转移预测因素
该数据集来自 clinicaltrials.gov,聚焦甲状腺髓样癌(Medullary Thyroid Carcinoma)中间质促纤维增生反应与淋巴结转移的关系

基本信息
资源简介
间质促纤维增生反应作为甲状腺髓样癌淋巴结转移预测因素
该数据集来自 clinicaltrials.gov,聚焦甲状腺髓样癌(Medullary Thyroid Carcinoma)中间质促纤维增生反应与淋巴结转移的关系。研究假设为阴性的间质促纤维增生反应与甲状腺髓样癌阴性淋巴结病变相关。甲状腺髓样癌是罕见但侵袭性强的甲状腺癌亚型,占甲状腺癌的 5-10%,在结节性甲状腺疾病中发病率为 1-2%。研究旨在评估间质促纤维增生反应作为淋巴结转移独立危险因素的价值,可用于甲状腺髓样癌淋巴结转移风险的预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:甲状腺髓样癌。研究假设:阴性的间质促纤维增生反应与甲状腺髓样癌的阴性淋巴结病变相关。引言:甲状腺髓样癌是一种罕见但侵袭性强的甲状腺癌亚型,占甲状腺癌的 5-10%,在结节性甲状腺疾病中的发病率为 1-2%。该肿瘤的侵袭性在国际文献中已被证实与某些因素相关,包括肿瘤大小、术前和术后的癌胚抗原(CEA)与降钙素水平、患者年龄和性别、TNM 分期、手术方式以及至复发的时间间隔。近年来,间质促纤维增生反应被认为是淋巴结转移的主要危险因素,但在文献中仍是一个有争议的话题(1-6)。本研究旨在评估间质促纤维增生反应作为淋巴结转移独立危险因素的价值。
【主题与分类】
主题标签:Medullary Thyroid Carcinoma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07851324
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/NCT07851324
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:甲状腺髓样癌。研究假设:阴性促纤维增生性间质反应与甲状腺髓样癌阴性淋巴结病变相关。引言:甲状腺髓样癌是一种罕见但侵袭性较强的甲状腺癌亚型,占甲状腺癌的5-10%,在结节性甲状腺疾病中的发病率为1-2%。该肿瘤的侵袭性在国际文献中已被证实与某些因素相关。这些因素包括肿瘤大小、术前和术后的癌胚抗原(CEA)和降钙素水平、患者年龄和性别、TNM分期、手术类型以及复发时间间隔。近年来,促纤维增生性间质反应被认为是淋巴结转移的主要危险因素,但在文献中仍是一个有争议的话题(1-6)。本研究旨在评估促纤维增生性间质反应作为甲状腺髓样癌淋巴结转移独立危险因素的作用。研究描述:本研究设计为前瞻性多中心队列研究。五个中心将参与本研究:1. 希腊塞萨洛尼基亚里士多德大学医院AHEPA大学医院第一外科学系 2.
意大利卡利亚里大学医院蒙塞拉托分院普通外科 3. 意大利比萨大学医院内分泌外科 4. 意大利维罗纳大学医院内分泌外科 5. 意大利罗马阿戈斯蒂诺·杰梅利大学医院IRCCS内分泌外科 本研究旨在评估促结缔组织增生性间质反应作为甲状腺髓样癌淋巴结转移(中央区和侧颈区)的独立因素。样本量计算 每个研究问题——无论是主要问题还是次要问题——都将单独评估,以确定零假设或备择假设成立。理论上,每个假设成立的概率为50%。为确保研究设计稳健并符合全球公认的研究标准,统计功效设定为80%,且
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。

![[68Ga]DOTATATE与[18F]AmBF3TATE在神经内分泌恶性肿瘤分期与评估中的比较](/medical-api/medicalDataset/datasetCover/135036.jpg)


