ICI治疗黑色素瘤中的强化降脂治疗
该数据集来自clinicaltrials.gov,聚焦接受免疫检查点抑制剂(ICI)治疗的黑色素瘤患者。研究对首次接受ICI治疗的患者进行冠状动脉计算机断层扫描血管造影(CCTA),并用FDA批准的Cleerly TM图像分析流程评估冠状动脉病变

基本信息
资源简介
ICI治疗黑色素瘤中的强化降脂治疗
该数据集来自clinicaltrials.gov,聚焦接受免疫检查点抑制剂(ICI)治疗的黑色素瘤患者。研究对首次接受ICI治疗的患者进行冠状动脉计算机断层扫描血管造影(CCTA),并用FDA批准的Cleerly TM图像分析流程评估冠状动脉病变。存在冠状动脉病变的患者被随机分配至常规治疗或强化降脂治疗组,后者由心脏科医生管理,目标是将LDL-C降至≤55mg/dL,并在12个月和24个月时进行随访CCTA。主要结局关注两组间的差异。数据可用于研究ICI治疗背景下冠状动脉病变的进展与降脂干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:黑色素瘤。免疫检查点抑制剂(ICIs)是一类目前已成为黑色素瘤标准治疗的药物。这些是黑色素瘤的标准疗法,但其对心脏动脉疾病的长期副作用知之甚少。在这项研究中,首次接受ICIs治疗的黑色素瘤患者将接受冠状动脉计算机断层扫描血管造影(CCTA)扫描。CCTA结果将由FDA批准的Cleerly TM图像分析流程进行分析。心脏动脉存在疾病的患者将被随机分配至常规治疗或强化降脂治疗。强化降脂治疗组的患者将由心脏科医生诊治,并接受标准降脂药物治疗,目标是实现LDL-C ≤ 55mg/dL。随访CCTA扫描将在12个月和24个月时间点进行。主要关注结局将是差异
【主题与分类】
主题标签:Melanoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07704918
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/NCT07704918
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:黑色素瘤。免疫检查点抑制剂(ICIs)是一类目前已成为黑色素瘤标准治疗的药物。这些是黑色素瘤的标准疗法,但其对心脏动脉疾病的长期副作用尚知之甚少。在本研究中,首次接受ICIs治疗的黑色素瘤患者将接受冠状动脉计算机断层扫描血管造影(CCTA)扫描。CCTA结果将通过FDA批准的Cleerly TM图像分析流程进行分析。患有心脏动脉疾病的患者将被随机分配至常规治疗组或强化降脂治疗组。强化降脂治疗组的患者将由心脏病专家诊治,并接受标准降脂药物治疗,目标是使LDL-C ≤ 55mg/dL。随访CCTA扫描将在12个月和24个月时间点进行。主要关注的结果是12个月时间点时两组之间LDL-C水平的差异。次要关注的结果是12个月时间点时两组之间总斑块体积的差异。
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。




