多模态热疗治疗恶性肝肿瘤的安全性、疗效及免疫应答研究
该数据集来自 clinicaltrials.gov，聚焦多模态热疗（MTT）治疗恶性肝肿瘤的前瞻性、多中心、随机对照临床研究
基本信息
资源简介
多模态热疗治疗恶性肝肿瘤的安全性、疗效及免疫应答研究
该数据集英文名为 The Safety, Efficacy, and Immune Response of Multimodal Thermal Therapy in the Treatment of Malignant Liver Tumors，来源于 clinicaltrials.gov，本站归类为肿瘤 / 其他。其聚焦的是一项关于多模态热疗（MTT）治疗恶性肝肿瘤的前瞻性、多中心、随机对照临床研究。多模态热疗将冷冻治疗与射频加热相结合，已被应用于多种实体瘤的治疗，其在恶性肝肿瘤治疗中的可行性与安全性已有较充分的基础。该研究旨在探索 MTT 在恶性肝肿瘤治疗中所诱导的消融相关免疫激活反应。数据集主题标签为肝细胞癌与结直肠癌肝转移，对应的研究条件包括 Hepatocellular Carcinoma 与 Colorectal Cancer Liver Metastasis。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面进行介绍。
【数据集背景】
多模态热疗（MTT）是冷冻治疗与射频加热的整合性方案，已被用于治疗多种实体瘤。针对恶性肝肿瘤，MTT 的可行性与安全性已得到较好确立。在此基础上，本数据集所对应的研究进一步关注 MTT 治疗恶性肝肿瘤时的消融诱导免疫激活反应，采用前瞻性、多中心、随机对照的临床研究设计，研究条件涵盖肝细胞癌与结直肠癌肝转移两类恶性肝肿瘤。
【数据内容】
该数据集的主题标签为肝细胞癌（Hepatocellular Carcinoma）与结直肠癌肝转移（Colorectal Cancer Liver Metastasis），对应研究关注 MTT 治疗恶性肝肿瘤的安全性、疗效与免疫反应。源站描述提及研究旨在探索消融诱导的免疫激活反应。除上述主题与研究方向外，数据集的具体字段、变量构成、样本规模、随访指标等细节源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明其对应一项前瞻性、多中心、随机对照临床研究，研究条件为肝细胞癌与结直肠癌肝转移。关于具体的采集机构、采集时间范围、采集流程与数据加工方式，源站未提供。
【适用场景】
该数据集适用于与恶性肝肿瘤热疗相关的临床研究场景，尤其是围绕多模态热疗（MTT）在肝细胞癌与结直肠癌肝转移治疗中的安全性、疗效及免疫激活反应的研究。其前瞻性、多中心、随机对照的研究设计特征，使其可用于关注消融诱导免疫反应这一研究问题的场景。其他具体适用场景源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、数据结构说明与使用规范等。
【质量与限制】
该数据集对应前瞻性、多中心、随机对照临床研究，研究条件明确为肝细胞癌与结直肠癌肝转移。关于数据质量评估、完整性、偏倚控制及使用限制等具体信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT07159048
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：肝细胞癌、结直肠癌肝转移。多模式热疗（MTT）作为冷冻治疗与射频加热的创新性整合，已应用于治疗多种实体瘤。MTT治疗恶性肝肿瘤的可行性和安全性已得到充分证实。这项前瞻性、多中心、随机对照临床研究旨在探讨MTT治疗恶性肝肿瘤中消融诱导的免疫激活反应。
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。
