经肛与腹腔镜全直肠系膜切除术治疗直肠癌
该数据集来自 clinicaltrials.gov,主题为经肛全直肠系膜切除术(TaTME)与腹腔镜全直肠系膜切除术(LpTME)治疗直肠癌的对比研究,聚焦直肠恶性肿瘤的外科治疗

基本信息
资源简介
经肛与腹腔镜全直肠系膜切除术治疗直肠癌
该数据集来自 clinicaltrials.gov,主题为经肛全直肠系膜切除术(TaTME)与腹腔镜全直肠系膜切除术(LpTME)治疗直肠癌的对比研究,聚焦直肠恶性肿瘤的外科治疗。源站描述指出,TaTME 在中低位直肠癌中可能提供更好的远端直肠游离路径,从而获得更低的环周切缘(CRM)阳性率和更完整的中直肠系膜切除,有望改善长期肿瘤学结局,但其可行性与非劣效性此前仅在样本量小、回顾性设计的研究中得到验证。本研究旨在评估 TaTME 技术与传统腹腔镜手术的比较。数据可用于直肠癌手术方式相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:直肠恶性肿瘤,外科手术。背景:近年来,经肛全直肠系膜切除术(TaTME)已成为直肠癌,尤其是中低位直肠癌的一种有前景的手术替代方案。理论上,TaTME 具有更好地进入并游离远端直肠的潜在优势,从而可能获得更好的病理学结局,例如更低的环周切缘(CRM)受累率和更完整的中直肠系膜切除,这有望转化为患者更好的长期肿瘤学结局。然而,迄今为止,该技术的可行性及非劣效性(与腹腔镜全直肠系膜切除术,LpTME 相比)仅在样本量小、回顾性设计等存在局限性的研究中得到验证。研究目的:本研究旨在评估 TaTME 技术与传统腹腔镜
【主题与分类】
主题标签:Rectal Neoplasms Malignant、Surgery。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02966483
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/NCT02966483
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:直肠恶性肿瘤,手术。背景:近年来,经肛全直肠系膜切除术(TaTME)已成为直肠癌,尤其是中低位直肠癌的一种有前景的手术替代方案。理论上,TaTME具有潜在优势,能够更好地进入并游离远端直肠,从而可能获得更好的病理学结果,如降低环周切缘(CRM)阳性率和直肠系膜切除不完整率,这有望转化为患者更好的长期肿瘤学结局。然而,迄今为止,该技术的可行性及非劣效性(与腹腔镜全直肠系膜切除术,LpTME相比)仅在小样本量、回顾性设计等存在局限性的研究中得到验证。研究目的:本研究旨在评估TaTME技术与传统腹腔镜直肠手术相比的切除质量及长期生存结果。研究设计:本研究为前瞻性、多中心、随机、开放标签、平行组试验。TaTME与LpTME的随机化比例为1:1。
将使用中央电子数据采集(EDC)系统进行随机化、电子CRF及数据收集。所有比较分析均基于“意向性治疗”原则进行。样本量:本试验的样本量计算基于3年无病生存期(DFS)和5年总生存期(OS);但依据5年OS计算的样本量大于基于3年DFS计算的样本量。接受laTME治疗的临床I-III期直肠癌患者预期5年OS为77.4%。以10%作为非劣效性界值,基于对数秩检验,在α误差为2.5%(双侧检验)且把握度为80%的条件下,需纳入910例患者才能充分判定taTME在5年OS方面非劣效于laTME。假设脱落率为20%,本试验计划共入组1114例患者。研究终点:本研究的主要终点为3年无病生存(DFS)率。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




