放射性标记生长抑素拮抗剂177Lu-satoreotide治疗复发或进展性脑膜瘤
该数据集来自clinicaltrials.gov,主题为使用放射性标记生长抑素拮抗剂177Lu-satoreotide治疗复发或进展性脑膜瘤

基本信息
资源简介
放射性标记生长抑素拮抗剂177Lu-satoreotide治疗复发或进展性脑膜瘤
该数据集来自clinicaltrials.gov,主题为使用放射性标记生长抑素拮抗剂177Lu-satoreotide治疗复发或进展性脑膜瘤。源站描述指出生长抑素受体亚型2(sstr2)在70-100%的脑膜瘤中高表达,是诊疗一体化的靶点;新开发的177Lu-DOTA-JR11对sstr2具有高结合亲和力,可能优于现有类似物。数据可用于脑膜瘤靶向放射性核素治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:脑膜瘤。生长抑素受体亚型2(sstr2)已被鉴定为一种肽类激素受体,在70-100%的脑膜瘤中高表达,是所谓“诊疗一体化”应用的有吸引力的靶点,该应用将分子影像与使用放射性标记生长抑素类似物的靶向放射性核素治疗相结合。新开发的放射性标记生长抑素拮抗剂177Lu-DOTA-JR11已被证明对sstr2具有高结合亲和力,提示其在晚期脑膜瘤治疗中的疗效高于目前可用的生长抑素类似物(如177Lu-DOTATOC、177Lu-DOTATATE)。因此,已提出假设:与177Lu-DOTATOC相比,177Lu-DOTA-JR11具有改善的治疗指数(肿瘤与剂量限制器官剂量比),并且可安全用于晚期、复发或进展性患者的PRRT。
【主题与分类】
主题标签:Meningioma。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04997317
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/NCT04997317
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:脑膜瘤。生长抑素受体亚型2(sstr2)已被确认为一种肽类激素受体,在70%至100%的脑膜瘤中高表达,这使其成为所谓“诊疗一体化”应用的一个有吸引力的靶点,该应用将分子影像与使用放射性标记生长抑素类似物的靶向放射性核素治疗相结合。新开发的放射性标记生长抑素拮抗剂177Lu-DOTA-JR11已显示出对sstr2的高结合亲和力,提示其在晚期脑膜瘤治疗中比目前可用的生长抑素类似物(如177Lu-DOTATOC、177Lu-DOTATATE)具有更高的疗效。因此,提出了如下假设:与177Lu-DOTATOC相比,177Lu-DOTA-JR11具有改善的治疗指数(肿瘤与剂量限制器官剂量之比),并且可安全用于晚期、复发或进展性脑膜瘤患者的PRRT。
这项两步式0期/I-II期研究的目的在于:a) 在同一组脑膜瘤患者中,比较177Lu-DOTA-JR11与177Lu-DOTATOC的治疗指数(肿瘤与剂量限制器官的剂量比);b) 基于先前结果,评估使用177Lu-DOTA-JR11进行PRRT的安全性和初步疗效。
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。




