EPR 肿瘤血氧测量与 CE India Ink
该数据集来自 clinicaltrials.gov,主题为肿瘤与皮肤癌,采用 EPR 结合 CE India Ink 进行肿瘤血氧测量

基本信息
资源简介
EPR 肿瘤血氧测量与 CE India Ink
该数据集来自 clinicaltrials.gov,主题为肿瘤与皮肤癌,采用 EPR 结合 CE India Ink 进行肿瘤血氧测量。研究连续入组患者,按肿瘤类型和测量场景分为四个队列,每个队列每年预计入组 1-5 名患者,每个队列总计约 10 名受试者。患者只要愿意、符合队列分配标准且 India ink 标记仍可被 EPR 测量即可参与;若标记在常规诊疗中被切除且未或不愿追加注射则退出,否则可在研究期间随时用先前注射的墨水重新测量。可用于肿瘤血氧相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肿瘤,恶性,乳腺肿瘤,基底细胞癌,鳞状细胞癌,黑色素瘤,皮肤肿瘤,头颈部肿瘤。研究设计采用连续入组患者。只要患者愿意、符合被分配到某个队列的标准,并且 India ink 标记仍可被 EPR 测量,就可以参与。如果患者的墨水标记在常规诊疗中被切除,并且没有或不愿意获得额外注射,则退出研究。否则,患者可以在研究过程中的任何时间使用先前注射的墨水重新测量。该研究分为四个队列,每个队列预计每年至少入组 1-5 名患者,每个队列总共预计约 10 名受试者。队列由肿瘤类型以及进行测量的场景定义。
【主题与分类】
主题标签:Neoplasms, Malignant、Breast Neoplasm、Carcinoma, Basal Cell、Carcinoma, Squamous Cell、Melanoma、Skin Neoplasm、Head and Neck Neoplasms。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03321903
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/NCT03321903
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
疾病类型:肿瘤、恶性肿瘤、乳腺肿瘤、基底细胞癌、鳞状细胞癌、黑色素瘤、皮肤肿瘤、头颈部肿瘤。研究设计采用连续入组患者的方式。只要患者愿意、符合被分配至某一队列的标准,且印度墨汁标记点仍可通过EPR测量,即可参与研究。若患者的墨汁标记点在常规诊疗中被切除,且其没有或不愿意接受额外注射,则将退出研究。除此之外,患者可在研究过程中的任何时间使用先前注射的墨汁进行重新测量。研究分为四个队列,预计每个队列每年至少入组1-5名患者,每个队列预计总共约10名受试者。
队列根据肿瘤类型以及我们将在患者标准治疗相对何时进行测量来定义:1)计划切除并辅助放疗的口腔内肿瘤;2)接受单纯手术切除、单纯放疗或同时接受手术切除和辅助放疗的皮肤恶性肿瘤;3)术后接受放疗的乳腺肿瘤;以及4)接受放疗的其他肿瘤。所有病例中患者的诊断均假定符合条件的肿瘤(或接受放疗的术后区域)位于体表约半厘米以内,由体格检查或影像学检查(如有)确定。所有可能符合条件的受试者均由其主治医生接洽;同意被联系并随后签署知情同意书者,被分配到其符合条件的队列。队列内不进行随机化,也不进行分层。
我们对原位肿瘤氧合的关注,源于临床需要:在治疗前测量肿瘤内的氧气含量,了解治疗过程中肿瘤氧合的动态变化,并评估治疗期间氧调节疗法的效果。我们对术后放疗领域的兴趣,则与临床需要了解
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。




