高剂量率近距离放射治疗原发性和继发性不可切除肝恶性肿瘤

该数据集来自 clinicaltrials.gov,聚焦高剂量率近距离放射治疗(HDRBT)用于原发性和继发性不可切除肝恶性肿瘤的临床研究

M.D. Anderson Cancer CenterM.D. Anderson Cancer Center
clinicaltrials
浏览 5
医学影像预测Liver Malignant TumorsCholangiocarcinoma MetastaticPancreatic CancerMelanoma
High Dose-Rate Brachytherapy for the Treatment of Both Primary and Secondary Unresectable Liver Malignancies

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-12

资源简介

高剂量率近距离放射治疗原发性和继发性不可切除肝恶性肿瘤

该数据集来自 clinicaltrials.gov,聚焦高剂量率近距离放射治疗(HDRBT)用于原发性和继发性不可切除肝恶性肿瘤的临床研究。覆盖肝恶性肿瘤、转移性胆管癌、胰腺癌和黑色素瘤等病种。主要目标是通过与历史队列比较 6 个月局部肿瘤控制率来前瞻性评估 HDRBT 的临床有效性;次要目标包括按 3 个月间隔比较局部肿瘤控制率,以及比较总生存期和无进展生存期。可用于肿瘤治疗疗效预测与生存分析相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肝恶性肿瘤、转移性胆管癌、胰腺癌、黑色素瘤。主要目标——通过比较 6 个月时的局部肿瘤控制(LTC)率与历史队列,前瞻性评估使用高剂量率近距离放射治疗(HDRBT)治疗原发性和继发性不可切除肝恶性肿瘤的临床有效性。次要目标 在研究期间(3 个月、9 个月、12 个月等)按 3 个月间隔比较队列间的局部肿瘤控制率。 比较队列间的总生存期(OS)和无进展生存期(PFS)。

【主题与分类】

主题标签:Liver Malignant Tumors、Cholangiocarcinoma Metastatic、Pancreatic Cancer、Melanoma。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05053555

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/NCT05053555

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:肝脏恶性肿瘤、转移性胆管癌、胰腺癌、黑色素瘤。主要目标——通过比较6个月时的局部肿瘤控制率与历史队列,前瞻性评估使用高剂量率近距离放射治疗(HDRBT)治疗原发性和继发性不可切除肝脏恶性肿瘤的临床有效性。次要目标* 在研究期间(3个月、9个月、12个月等),比较队列之间每3个月间隔的局部肿瘤控制率。* 比较队列之间的总生存期(OS)和无进展生存期(PFS)。

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