复发性前列腺癌的挽救性寡转移灶切除与放射治疗

该数据集来自 clinicaltrials.gov,聚焦复发性前列腺癌的寡转移治疗,涵盖复发性前列腺癌、骨转移、淋巴结转移、寡转移、前列腺腺癌及 PSA 失败等情形

University of UtahUniversity of Utah
clinicaltrials
浏览 8
医学影像预测Recurrent Prostate CarcinomaOligometastasisProstate AdenocarcinomaPSA Failure
Salvage Oligometastasectomy and Radiation Therapy in Recurrent Prostate Cancer

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-09

资源简介

复发性前列腺癌的挽救性寡转移灶切除与放射治疗

该数据集来自 clinicaltrials.gov,聚焦复发性前列腺癌的寡转移治疗,涵盖复发性前列腺癌、骨转移、淋巴结转移、寡转移、前列腺腺癌及 PSA 失败等情形。数据可用于评估寡转移病灶对治疗的反应,并分析 PSA 无进展生存、复发时间、启动 ADT 时间以及前列腺切除术后 PSA 不可测率等指标,适用于前列腺癌寡转移治疗相关的预测性研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:复发性前列腺癌、骨转移性恶性肿瘤、淋巴结转移性恶性肿瘤、寡转移、前列腺腺癌、PSA 失败。主要目标:I. 评估寡转移病灶对治疗的反应。次要目标:I. 评估寡转移病灶对治疗反应的额外测量指标。II. 评估寡转移病灶治疗后的前列腺特异性抗原(PSA)无进展生存期。III. 评估寡转移病灶治疗后的疾病复发时间。IV. 评估寡转移病灶治疗后启动转移性前列腺癌抗雄激素治疗(ADT)的时间。V. 评估既往接受过前列腺切除术的受试者在寡转移病灶治疗后 PSA 不可测率。VI. 评估安全性

【主题与分类】

主题标签:Recurrent Prostate Carcinoma、Oligometastasis、Prostate Adenocarcinoma、PSA Failure。本站分类:肿瘤/前列腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03796767

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03796767

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:复发性前列腺癌、骨转移性恶性肿瘤、淋巴结转移性恶性肿瘤、寡转移、前列腺腺癌、PSA失败。主要目标:I. 评估寡转移性疾病对治疗的反应。次要目标:I. 评估寡转移性疾病对治疗反应的额外测量指标。II. 评估寡转移性疾病治疗后前列腺特异性抗原(PSA)无进展生存期。III. 评估寡转移性疾病治疗后至疾病复发的时间。IV. 评估寡转移性疾病治疗后至开始针对转移性前列腺癌的抗雄激素治疗(ADT)的时间。V. 评估既往接受过前列腺切除术的受试者在寡转移性疾病治疗后PSA不可检测的比率。VI. 评估安全性。VII. 评估研究治疗对三年内生活质量变化的影响。

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。

获取专属数据定制方案