定制化 TULSA-PRO 消融登记研究
该数据集来自 clinicaltrials.gov,为定制化经尿道超声消融(TULSA)登记研究,覆盖前列腺癌、前列腺腺癌及良性前列腺增生患者

基本信息
资源简介
定制化 TULSA-PRO 消融登记研究
该数据集来自 clinicaltrials.gov,为定制化经尿道超声消融(TULSA)登记研究,覆盖前列腺癌、前列腺腺癌及良性前列腺增生患者。登记研究采集患者接受 TULSA 作为常规临床诊疗一部分的数据,用于评估该治疗在真实世界中的安全性与疗效,构建证据基础以优化治疗结果、改善患者护理与生活质量,并拓展对实践趋势和治疗费用的认识。主要安全性目标为估计 TULSA 手术相关并发症发生率,主要疗效目标为估计术后无主要治疗失败的患者比例(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:前列腺癌、前列腺腺癌、良性前列腺增生。该登记研究将采集接受定制化经尿道超声消融(TULSA)作为其常规临床诊疗一部分的患者数据。收集此类数据的目的是进一步评估该治疗在真实世界中的安全性与疗效结局。收集这些数据旨在形成一个证据基础,据此可得出结论,说明如何优化结局以改善患者护理与 QOL,并进一步拓展对实践趋势和治疗费用的认识。主要安全性目标是估计可归因于 TULSA 手术的并发症发生率。主要疗效目标是估计在 TULSA 手术后无主要治疗失败的患者比例。被提供 TULSA 手术的患者将被邀请参与
【主题与分类】
主题标签:Prostate Cancer、Prostate Adenocarcinoma、Benign Prostatic Hyperplasia。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05001477
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/NCT05001477
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:前列腺癌、前列腺腺癌、良性前列腺增生。本登记研究将收集接受定制化经尿道超声消融术(TULSA)作为常规临床诊疗一部分的患者数据。收集此类数据的目的在于进一步评估该治疗在真实世界中的安全性和有效性结局。收集这些数据旨在构建一个证据基础,据此得出结论,以优化治疗结局、改善患者照护和生活质量(QOL),并进一步拓展对实践趋势和治疗费用的认识。主要安全性目标为估算归因于TULSA手术的并发症发生率。主要有效性目标为估算TULSA手术后未出现主要治疗失败的患者比例。将被提供TULSA手术的患者将受邀参加本登记研究。已接受过TULSA的患者也将被允许加入本登记研究。
美国、加拿大和欧洲各中心的数百至数千名患者将按常规临床护理进行随访,随访时间点为3个月、6个月、12个月、2年、3年、4年、5年,此后每年随访一次并终身持续。患者将保持活跃于登记系统中,直至自愿退出或死亡。每次随访时,患者将完成一套通过电子邮件发送给他们的问卷。* 在患者入组登记系统之前将收集知情同意。* 将收集初始基线信息(例如人口统计学资料、病史、合并用药、前列腺MRI、前列腺活检、PSA和生活质量问卷)* 将从治疗当日起的临床记录中收集TULSA手术治疗评估和并发症。如果患者同意参与登记系统的这一部分,也可选择收集财务追踪信息。* 在随访时,将收集一组数据点(例如PSA、并发症、生活质量问卷、生存评估以及可选的财务追踪信息)。所有登记系统数据将
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。




