转移性癌症中双阳性循环细胞（肿瘤标志物/CD45+）研究
该数据集来自 clinicaltrials.gov，聚焦转移性癌症患者中双阳性循环细胞（肿瘤标志物/CD45+）的检测研究，覆盖尿路上皮癌、肾癌、前列腺腺癌、子宫内膜腺癌、皮肤黑色素瘤、软组织肉瘤、非精原细胞瘤及精原细胞瘤等九种癌症类型
基本信息
资源简介
转移性癌症中双阳性循环细胞（肿瘤标志物/CD45+）研究
该数据集来自 clinicaltrials.gov，聚焦转移性癌症患者中双阳性循环细胞（肿瘤标志物/CD45+）的检测研究，覆盖尿路上皮癌、肾癌、前列腺腺癌、子宫内膜腺癌、皮肤黑色素瘤、软组织肉瘤、非精原细胞瘤及精原细胞瘤等九种癌症类型。研究为前瞻性概念验证试点，患者在抗癌治疗开始前采集血样，采用流式细胞术及 Parsotix® 或 CellSearch® 两种方法分析。数据可用于循环肿瘤细胞检测方法比较、癌症分类及生物标志物相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：尿路上皮癌、肾癌、前列腺腺癌、子宫内膜腺癌、皮肤黑色素瘤、软组织肉瘤（STS）、非精原细胞瘤、精原细胞瘤。一项在转移性癌症患者（研究9种癌症类型）中开展的前瞻性、概念验证试点研究，患者在IUCT-O或可能在其他机构接受治疗。符合条件的患者将由肿瘤内科医生在其癌症医学咨询期间被筛选并告知本研究。随后，在患者同意下并在抗癌治疗开始前（无论哪一线），将采集血样，通过2种不同的分析方法检测DP循环细胞。每位患者将参与研究一天。分析方法为：所有患者均进行流式细胞术，并根据癌症类型选择Parsotix®或CellSearch®。
【主题与分类】
主题标签：Urothelial Carcinoma、Renal Cancer、Prostate Adenocarcinoma、Adenocarcinoma of Endometrium、Cutaneous Melanoma、Soft Tissue Sarcoma (STS)、Nonseminomatous Germ Cell Tumor、Seminomatous Germ Cell Tumor、Upper Aerodigestive Tract Carcinoma、Cervical Carcinoma。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06967961
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/NCT06967961
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：尿路上皮癌、肾癌、前列腺腺癌、子宫内膜腺癌、皮肤黑色素瘤、软组织肉瘤（STS）、非精原细胞性生殖细胞肿瘤、精原细胞性生殖细胞肿瘤。这是一项前瞻性、概念验证性初步研究，研究对象为在IUCT-O或可能在其他机构接受治疗的转移性癌症患者（研究9种癌症类型）。符合条件的患者将由肿瘤内科医生在其癌症诊疗咨询期间筛选并告知本研究。随后，在患者知情同意后，并在开始抗癌治疗（无论哪一线）之前，将采集血样，通过2种不同的分析方法检测DP循环细胞。每位患者将参与研究一天。分析方法为：所有患者均进行流式细胞术，并根据癌症类型选择Parsotix®或CellSearch®。总共将入组450名患者。
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。
