比较两种大分割图像引导放疗给药方案随机研究
该数据集来自 clinicaltrials.gov,属于肿瘤/皮肤癌分类,聚焦已扩散至骨、脊柱、软组织或淋巴结的癌症放疗研究

基本信息
资源简介
比较两种大分割图像引导放疗给药方案随机研究
该数据集来自 clinicaltrials.gov,属于肿瘤/皮肤癌分类,聚焦已扩散至骨、脊柱、软组织或淋巴结的癌症放疗研究。涉及 Melanoma、Ovarian Cancer、Sarcoma、Bone、CNS-Spinal CD/MEMBR, NOS、Lymph Nodes、Soft Tissue 等病种与部位。研究比较两种大分割图像引导调强放疗方案:27 Gy 分三次(3 天)或 24 Gy 单次(1 天),评估其疗效与不良反应。数据可用于放疗方案比较、剂量-效应分析及肿瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Melanoma, Ovarian Cancer, Sarcoma, Bone, CNS-Spinal CD/MEMBR, NOS, Lymph Nodes, Soft Tissue。本研究的目的是找出哪种给予高剂量放疗的方式对治疗已扩散到骨、脊柱、软组织或淋巴结的癌症效果最好。本研究将观察使用图像引导调强放疗(IG-IMRT)给予 27 Gy 分三次(3 天)或 24 Gy 单次(1 天)的效果,包括好的和/或坏的效果。IG-IMRT 是直接给予癌症部位的放疗,可减少对正常组织的照射。目前尚无研究比较以大分割剂量(较高的总辐射剂量分散在多个治疗日)或单次分割剂量(整个辐射剂量在一次治疗中给予)给予放疗的效果。患者可能会被要求参与一项额外的
【主题与分类】
主题标签:Melanoma、Ovarian Cancer、Sarcoma、Bone、CNS-Spinal CD/MEMBR, NOS、Lymph Nodes、Soft Tissue。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01223248
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/NCT01223248
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、卵巢癌、肉瘤、骨、中枢神经系统-脊柱CD/脑膜、NOS、淋巴结、软组织。本研究的目的是找出哪种高剂量放射治疗方式对治疗已扩散至骨、脊柱、软组织或淋巴结的癌症效果最佳。本研究将探讨使用图像引导调强放射治疗(IG-IMRT)给予27 Gy分三次(3天)或24 Gy分一次(1天)的效果,包括益处和/或不良影响。IG-IMRT是直接对癌症部位进行放射治疗,并减少对正常组织的照射。目前尚无研究比较以大分割剂量(较高的总放射剂量分散在多个治疗日给予)或单次分割剂量(整个放射剂量在一次治疗中给予)给予放射治疗的效果。患者可能会被要求参与本研究的另一部分,即在治疗开始前和放射治疗后一小时内进行(DW/DCE)MRI检查。如果患者被要求参与这部分研究,他们所需要做的就是进行最多3次使用标准造影剂注射的MRI检查。
这样做的目的是观察治疗是否使流向肿瘤的血流发生变化,从而提示治疗可能有效。此外,部分患者可能出现新发病灶,可能会被询问是否愿意按本方案对这些新发病灶进行治疗。如果患者获得这一选择,这不会延长其随访期。新发病灶的随访将与先前的随访日期保持一致。
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。




