宫腔镜重复刮宫作为低危妊娠滋养细胞肿瘤一线治疗的研究
该数据集来自clinicaltrials.gov,主题为低危妊娠滋养细胞肿瘤(LR-GTN)的治疗研究,聚焦宫腔镜重复刮宫作为一线治疗方案的探索

基本信息
资源简介
宫腔镜重复刮宫作为低危妊娠滋养细胞肿瘤一线治疗的研究
该数据集来自clinicaltrials.gov,主题为低危妊娠滋养细胞肿瘤(LR-GTN)的治疗研究,聚焦宫腔镜重复刮宫作为一线治疗方案的探索。源站描述指出,GTN源于胎盘滋养细胞,多继发于葡萄胎,95%患者为低危型;FIGO推荐的经典治疗为MTX单药多疗程化疗,但常伴胃肠、血液及肝毒性,疗程较长也带来不适。该数据可用于了解LR-GTN治疗策略的研究背景与临床问题(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:妊娠滋养细胞肿瘤。妊娠滋养细胞肿瘤(GTN)是一组来源于胎盘滋养细胞的恶性肿瘤,大多数继发于葡萄胎,95%的GTN患者表现为低危妊娠滋养细胞肿瘤(LR-GTN)。20世纪60年代和70年代,随着对该疾病研究的深入,发现该恶性肿瘤对化疗高度敏感,并有理想的肿瘤标志物HCG指导治疗和随访。因此,GTN是总体治愈率接近100%的最佳恶性肿瘤,LR-GTN的治愈率接近100%。MTX单药多疗程化疗是FIGO推荐的LR-GTN经典治疗,但大多数患者在化疗期间可能出现胃肠道、血液和肝脏毒性。此外,较长的治疗周期也给患者带来许多不适。近年来,一些
【主题与分类】
主题标签:Gestational Trophoblastic Neoplasia。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03703271
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/NCT03703271
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:妊娠滋养细胞肿瘤。妊娠滋养细胞肿瘤(GTN)是一组来源于胎盘滋养细胞的恶性肿瘤,大多数继发于葡萄胎,95%的GTN患者表现为低危妊娠滋养细胞肿瘤(LR-GTN)。20世纪60年代和70年代,随着对该病的深入研究,发现该恶性肿瘤对化疗高度敏感,并具有理想的肿瘤标志物HCG用于指导治疗和随访。因此,GTN是总体治愈率最佳的恶性肿瘤,LR-GTN的治愈率接近100%。MTX单药多疗程化疗是FIGO推荐的治疗LR-GTN的经典方案,但大多数患者在化疗期间可能出现胃肠道、血液和肝脏毒性。此外,较长的治疗周期也给患者带来诸多不适。
近年来,部分学者提出,对于继发于葡萄胎妊娠的低危妊娠滋养细胞肿瘤(LR-GTN),治疗方案的选择应综合考虑化疗的毒副反应、患者生理功能的维持及生活质量。国外回顾性研究表明,对葡萄胎妊娠后的LR-GTN采取延迟化疗策略,即在疾病进展至某一阶段才开始化疗,结果并未改变LR-GTN的预后,但降低了化疗率。此外,对于葡萄胎妊娠后存在超低危LR-GTN的部分患者,行宫腔镜下再次清宫术可降低化疗率、减少相关费用并改善患者生活质量。本项非劣效性前瞻性、多中心、随机对照临床研究,以常规使用单药甲氨蝶呤(MTX)单药治疗方案为对照,比较在平行宫腔镜手术引导下再次清空宫腔延迟化疗的临床疗效及不良反应,探讨葡萄胎后超低危GTN患者的……
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。




