局限性前列腺癌在线自适应立体定向体部放疗
该数据集来自clinicaltrials.gov,聚焦局限性前列腺癌的在线自适应立体定向体部放疗(SBRT)。覆盖人群为合并下尿路症状(IPSS>12)和/或前列腺增生的中危至(极高)高危局限性前列腺癌患者

基本信息
资源简介
局限性前列腺癌在线自适应立体定向体部放疗
该数据集来自clinicaltrials.gov,聚焦局限性前列腺癌的在线自适应立体定向体部放疗(SBRT)。覆盖人群为合并下尿路症状(IPSS>12)和/或前列腺增生的中危至(极高)高危局限性前列腺癌患者。数据可用于评估每周CT或MRI引导在线自适应SBRT的安全性与疗效,支持治疗反应预测、毒性风险评估及个体化放疗方案研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:局限性前列腺癌、前列腺癌(腺癌)、前列腺增生、下尿路症状。背景:局限性前列腺癌的立体定向体部放疗(SBRT)已证明其肿瘤学结局和毒性特征不劣于常规或中等大分割放疗方案,同时具有治疗持续时间更短的优点。然而,SBRT可能并不适合所有患者,尤其是那些伴有下尿路症状和/或前列腺增生的患者。方法:本研究旨在评估每周计算机断层扫描(CT)或磁共振图像引导(MRI)在线自适应SBRT在中危至(极高)高危局限性前列腺癌患者中的安全性和有效性,这些患者伴有下尿路症状(国际前列腺症状评分[IPSS]>12)和/或患有前列腺
【主题与分类】
主题标签:Localized Prostate Carcinoma、Prostate Cancer (Adenocarcinoma)、Prostate Hyperplasia、Lower Urinary Track Symptoms。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06834152
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/NCT06834152
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:局限性前列腺癌、前列腺癌(腺癌)、前列腺增生、下尿路症状。背景:立体定向体部放疗(SBRT)用于局限性前列腺癌已显示出与传统或中度大分割放疗方案相比非劣效的肿瘤学结局和毒性特征,同时具有治疗持续时间更短的优势。然而,SBRT可能并不适合所有患者,尤其是伴有下尿路症状和/或前列腺增生的患者。方法:本研究旨在评估每周计算机断层扫描(CT)或磁共振图像引导(MRI)在线自适应SBRT在中危至(极高)高危局限性前列腺癌患者中的安全性和有效性,这些患者伴有下尿路症状(国际前列腺症状评分[IPSS] > 12)和/或患有前列腺增生(前列腺体积 >60 mL)。主要结局指标为SBRT完成后3个月内(根据CTCAE V5.0和RTOG)或治疗中止时发生的≥3级泌尿生殖系统毒性。
我们的目标是证明事件发生率低于临床可接受的阈值,该阈值设定为20%,具体为3%以下。在原假设下,采用α=0.05、把握度为80%的设计,预期病例数为30例。在我们的验证队列中,我们假设约3%的患者会出现3级长期泌尿生殖系统毒性(即2例患者)。3个月内治疗中止率被视为可忽略不计。我们的目标是高概率地证明事件发生率低于临床可接受的阈值,该阈值设定为12%。在原假设下,采用α=0.05、把握度为80%的设计,预期病例数为75例。
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。




