肿瘤内扩散α放射源再治疗

该数据集来自 clinicaltrials.gov,聚焦肿瘤/皮肤癌领域,涉及皮肤癌、口腔黏膜新生物及软组织新生物。研究为前瞻性、开放标签、单臂对照试验,评估通过放射性粒子植入肿瘤内实施的扩散α放射治疗(DaRT)再治疗的安全性与疗效

Alpha Tau Medical LTD.Alpha Tau Medical LTD.
clinicaltrials
浏览 17
医学影像预测Skin CancerMucosal Neoplasm of Oral CavitySoft Tissue Neoplasm
Retreatment With Intratumoral Diffusing Alpha Radiation Emitters

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-09

资源简介

肿瘤内扩散α放射源再治疗

该数据集来自 clinicaltrials.gov,聚焦肿瘤/皮肤癌领域,涉及皮肤癌、口腔黏膜新生物及软组织新生物。研究为前瞻性、开放标签、单臂对照试验,评估通过放射性粒子植入肿瘤内实施的扩散α放射治疗(DaRT)再治疗的安全性与疗效。适用对象为经组织病理学确认的DaRT治疗后复发或持续存在的浅表病灶。主要评估DaRT植入后70天肿瘤缩小情况,并通过不良事件的发生率、严重程度和频率评估安全性。可用于肿瘤局部放射治疗再治疗相关的安全性及疗效预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:皮肤癌、口腔黏膜新生物、软组织新生物。这将是一项前瞻性、开放标签、单臂、对照研究,评估通过插入肿瘤内的放射性粒子实施的扩散α放射治疗(DaRT)再治疗的安全性和疗效。该方法结合了传统近距离放射治疗中肿瘤局部瘤内照射的优势与发射α放射的原子之力,其引入量将远低于已用于患者的放射治疗。经组织病理学确认的DaRT治疗后复发或持续存在的浅表病灶。将评估DaRT植入后70天的肿瘤缩小情况。安全性将通过所有不良事件(AE)的发生率、严重程度和频率进行评估。

【主题与分类】

主题标签:Skin Cancer、Mucosal Neoplasm of Oral Cavity、Soft Tissue Neoplasm。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04540588

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/NCT04540588

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:皮肤癌、口腔黏膜肿瘤、软组织肿瘤。这将是一项前瞻性、开放标签、单臂、对照研究,评估通过插入肿瘤内的放射性粒子递送的扩散α发射体放射治疗(DaRT)再次治疗的安全性和有效性。该方法结合了传统近距离放射治疗中肿瘤局部瘤内照射的优势,以及α辐射发射原子的能力,其引入量将远低于已用于患者的放射治疗剂量。经组织病理学确认DaRT治疗后出现复发或持续疾病的浅表病变。将评估DaRT插入后70天肿瘤大小的缩小情况。安全性将通过所有不良事件(AE)的发生率、严重程度和频率进行评估。

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