神经毁损术改善局限性肛门或肛周皮肤癌放疗所致疼痛的研究
该数据集来自 clinicaltrials.gov，聚焦于局限性肛门癌及肛周皮肤癌患者在接受根治性放化疗期间，通过奇神经节毁损术（ganglion impar neurolysis）减轻放射性疼痛的可行性研究
基本信息
资源简介
神经毁损术改善局限性肛门或肛周皮肤癌放疗所致疼痛的研究
该数据集来自 clinicaltrials.gov，聚焦于局限性肛门癌及肛周皮肤癌患者在接受根治性放化疗期间，通过奇神经节毁损术（ganglion impar neurolysis）减轻放射性疼痛的可行性研究。主要目标是评估该干预能否将非计划治疗中断降至中位≤3天，次要目标为追踪治疗期间的毒性反应与患者报告结局。研究在放化疗第4周于透视引导下实施神经毁损术，并在放疗最后一周及治疗后3-6个月进行随访。数据可用于分析疼痛管理干预对治疗连续性的影响及安全性评估（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Localized Anal Carcinoma、Localized Anal Margin Carcinoma、Stage 0 Anal Cancer AJCC v8、Stage I Anal Cancer AJCC v8、Stage II Anal Cancer AJCC v8、Stage IIIB Anal Cancer AJCC v8。主要目标：I. 评估奇神经节毁损术在减轻接受根治性CRT的肛门癌患者疼痛方面的可行性，定义为将非计划治疗中断降至中位≤3天。次要目标：I. 追踪治疗期间的毒性反应和患者报告结局（PRO），包括奇神经节毁损术干预。大纲：患者在研究CRT第4周期间接受透视引导下的奇神经节毁损术。研究干预完成后，患者在放疗最后一周以及治疗后3-6个月接受随访。
【主题与分类】
主题标签：Localized Anal Carcinoma、Localized Anal Margin Carcinoma、Stage 0 Anal Cancer AJCC v8、Stage I Anal Cancer AJCC v8、Stage II Anal Cancer AJCC v8、Stage IIIB Anal Cancer AJCC v8。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07112690
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/NCT07112690
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：局限性肛管癌、局限性肛缘癌、AJCC第8版0期肛管癌、AJCC第8版I期肛管癌、AJCC第8版II期肛管癌、AJCC第8版IIIB期肛管癌。主要目标：I. 评估奇神经节毁损术在降低接受肛管癌根治性放化疗患者疼痛方面的可行性，定义为将非计划治疗中断时间中位数减少至≤3天。次要目标：I. 追踪治疗期间包括奇神经节毁损术干预在内的毒性反应和患者报告结局（PRO）。方案概要：患者在研究期间接受放化疗的第4周，在透视引导下进行奇神经节毁损术。研究干预完成后，在放疗最后一周及治疗后3-6个月对患者进行随访。
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。
