N3期鼻咽癌放疗前颈部淋巴结清扫的回顾性研究
该数据集来自 clinicaltrials.gov，主题为 N3 期鼻咽癌患者在放疗前接受颈部淋巴结清扫的回顾性研究，涵盖肿瘤学与放射学领域
基本信息
资源简介
N3期鼻咽癌放疗前颈部淋巴结清扫的回顾性研究
该数据集对应一项题为“Upfront Neck Dissection Before Radiotherapy in Stage N3 Nasopharyngeal Carcinoma: A Retrospective Study”的回顾性研究，来源为 clinicaltrials.gov，主题聚焦于 N3 期鼻咽癌患者在放疗前接受颈部淋巴结清扫的临床问题，涉及肿瘤学与放射学两个领域。鼻咽癌因解剖位置邻近颅底及关键颈部结构，主要治疗手段为放疗；即便在当前标准治疗下，仍有部分患者出现局部区域失败且预后不佳。该研究基于高淋巴结负荷与高危影像特征可能显著关联颈部复发及远处转移的假设，探讨在放疗前先行颈部淋巴结清扫的临床意义。数据集整体属于肿瘤学分类下的“其他”类别，可为相关临床研究与影像学分析提供参考。
【数据集背景】
鼻咽癌由于解剖位置邻近颅底和关键颈部结构，主要采用放疗作为治疗手段。然而，即使采用当前标准治疗，仍有一部分患者出现局部区域失败，预后较差。已有数据显示，IV 期疾病的 5 年局部区域控制率约为 80.7%，对应失败率约 20%。其中，T1-4N3 疾病患者与 T4N0-2 患者相比，3 年无远处失败生存率更低，提示高 N 分期不仅与区域复发相关，也与远处转移风险增加相关。基于此，研究提出假设：高淋巴结负荷和高危影像特征与颈部复发及远处转移显著相关，而适当且（源站描述在此处中断，后续内容未提供）。该数据集即围绕这一背景，聚焦 N3 期鼻咽癌患者在放疗前接受颈部淋巴结清扫的回顾性研究。
【数据内容】
该数据集的主题为 N3 期鼻咽癌患者在放疗前接受颈部淋巴结清扫的回顾性研究，涵盖肿瘤学与放射学领域。源站描述中提及的条件包括肿瘤学与放射学。关于数据集的具体变量、样本量、字段结构、影像数据形式、随访指标等详细内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其研究设计为回顾性研究，研究对象为 N3 期鼻咽癌患者，研究主题为放疗前先行颈部淋巴结清扫。关于具体的采集时间范围、采集机构、纳入与排除标准、数据收集流程等细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于肿瘤学与放射学相关领域，尤其是围绕 N3 期鼻咽癌的临床研究，可用于探讨高淋巴结负荷、高危影像特征与颈部复发及远处转移之间的关联，以及放疗前颈部淋巴结清扫这一治疗策略的回顾性分析。关于更具体的适用场景，如影像组学分析、预后模型构建或治疗决策支持等，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为回顾性研究，源站描述中提及了研究假设及部分背景数据，但关于数据集的质量控制措施、数据完整性、偏倚控制、样本代表性等具体信息，源站未提供。此外，源站描述在阐述研究假设时内容中断，部分表述不完整。
【引用与许可】
源站未提供。
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/NCT07180173
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
疾病领域：肿瘤学、放射学。鼻咽癌（NPC）因解剖位置毗邻颅底及关键颈部结构，主要采用放射治疗。然而，即使采用当前的标准治疗，仍有部分患者出现局部区域失败且预后不良。既往数据显示，IV期疾病的5年局部区域控制率约为80.7%，对应失败率约20%。其中，T1-4N3疾病患者的3年无远处失败生存率低于T4N0-2患者，提示高N分期不仅与区域复发相关，也与远处转移风险增加相关。基于此，我们假设高淋巴结负荷及高危影像学特征与颈部复发和远处转移显著相关，而对颈部进行适当且及时的挽救治疗（如颈部清扫联合或不联合再程放疗/全身治疗）可能改善区域控制和生存。
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。
