MELanoma脑转移瘤Cyberknife治疗数据集
该数据集来源于clinicaltrials.gov,聚焦于黑色素瘤脑转移患者接受Cyberknife治疗的相关信息。覆盖黑色素瘤(皮肤癌)脑转移的临床治疗背景,涉及免疫检查点抑制剂、靶向治疗、手术及放疗等综合手段,尤其强调立体定向放射外科(SRS)在单发或少量转移灶中的关键作用

基本信息
资源简介
MELanoma脑转移瘤Cyberknife治疗数据集
该数据集来源于clinicaltrials.gov,聚焦于黑色素瘤脑转移患者接受Cyberknife治疗的相关信息。覆盖黑色素瘤(皮肤癌)脑转移的临床治疗背景,涉及免疫检查点抑制剂、靶向治疗、手术及放疗等综合手段,尤其强调立体定向放射外科(SRS)在单发或少量转移灶中的关键作用。数据可用于分析黑色素瘤脑转移的治疗模式、疗效预测及患者预后相关研究,为临床决策和放射治疗策略优化提供参考(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(皮肤癌)。过去十年,转移性黑色素瘤的治疗格局发生了根本性转变,这主要归因于近期免疫检查点抑制剂(IT)和靶向治疗(TTs)的引入,以及手术和放射治疗(RT)的进步,这些变化改变了黑色素瘤脑转移患者的预后。放射治疗一直是并且仍然是黑色素瘤脑转移患者治疗的重要组成部分。特别是立体定向放射外科(SRS),一种高度精确的RT技术,用于单个或少量转移灶,已成为黑色素瘤脑转移管理中的关键组成部分,而全脑RT通常保留给那些具有广泛颅内转移性疾病的选定患者。SRS依赖于将集中的高剂量辐射递送至一个或多个转移性
【主题与分类】
主题标签:Melanoma (Skin Cancer)。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07691255
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/NCT07691255
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(皮肤癌)。过去十年间,转移性黑色素瘤的治疗格局发生了根本性转变,这主要归因于免疫检查点抑制剂(IT)和靶向治疗(TTs)的近期引入,以及手术和放疗(RT)的进步,这些进展改变了黑色素瘤脑转移患者的预后。放射治疗一直是并且仍然是黑色素瘤脑转移患者治疗的重要组成部分。特别是,立体定向放射外科(SRS)作为一种高精度的RT技术,针对单个或少量转移灶,已成为黑色素瘤脑转移管理中的关键组成部分,而全脑RT通常保留用于那些具有广泛颅内转移性疾病的特定患者。SRS依赖于将集中的高剂量辐射递送至一个或多个转移性脑病灶,这些病灶属于如黑色素瘤等原本具有放射抵抗性的肿瘤,从而在有效实现疾病局部控制(LC)的同时,最大限度地减少对周围健康组织的损伤。
立体定向放射外科既可作为独立的原发性局部治疗,相比经典手术切除能更快过渡到全身治疗,也可在全身治疗无效后作为挽救性治疗手段,此时脑转移瘤数量仍低于5-10个且大小低于3 cm。近期一项关于单纯放疗治疗脑转移瘤的系统综述报告,立体定向放射外科治疗后的中位生存期为7.5个月(IQR-6.7-9.0个月),全脑放疗后为3.5个月(IQR-2.4-4.0个月)。尽管这些进展成功改善了转移性黑色素瘤患者的预后,但其管理仍然具有挑战性和复杂性,需要整合手术、全身治疗和放疗的多学科方法以优化患者结局。该领域正在进行的探索目前集中于确定将放疗模式与全身治疗(免疫治疗和靶向治疗)相结合的最佳策略,强调其增强治疗效果的潜在协同作用。
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。




