眼表及附属器肿瘤前哨淋巴结活检数据集
该数据集来自 clinicaltrials.gov,聚焦眼表及附属器肿瘤的前哨淋巴结活检。覆盖眼睑皮脂腺癌、眼基底细胞癌、眼表鳞状上皮内瘤变、Merkel细胞癌、Porocarcinoma 及结膜黑色素瘤等病种

基本信息
资源简介
眼表及附属器肿瘤前哨淋巴结活检数据集
该数据集来自 clinicaltrials.gov,聚焦眼表及附属器肿瘤的前哨淋巴结活检。覆盖眼睑皮脂腺癌、眼基底细胞癌、眼表鳞状上皮内瘤变、Merkel细胞癌、Porocarcinoma 及结膜黑色素瘤等病种。数据涉及眼部肿瘤门诊评估、前节照相、TNM AJCC 第8版分期、99mTc 标记纳米胶体注射、术前淋巴闪烁显像、术中伽马探头定位、前哨淋巴结活检及新生物切除活检等流程,可用于肿瘤分期与淋巴结转移相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:眼睑皮脂腺癌、眼基底细胞癌、眼表鳞状上皮内瘤变、Merkel细胞癌(未特指)、Porocarcinoma、结膜黑色素瘤。患者将接受: 在眼部肿瘤门诊进行评估,包括检查和前节照相 根据 TNM AJCC 第8版,通过切开活检(如临床评估后有必要)和/或切除活检进行分期,并按当前临床实践进行影像学检查(眼眶、面部和颈部 MRI 增强,全身 Tc/Pet) 注射 99mTc 标记的纳米胶体 术前淋巴闪烁显像 术中通过伽马探头寻找前哨淋巴结 前哨淋巴结活检 对未在 SLN 活检前切除的新生物进行切除活检。 如果 SLN 组织学阳性,多学科团队将考虑是否
【主题与分类】
主题标签:Ocular Sebaceous Carcinoma、Ocular Basal Cell Carcinoma、Ocular Surface Squamous Neoplasia、Merkel Cell Carcinoma, Unspecified、Porocarcinoma、Conjunctival Melanoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05797415
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/NCT05797415
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:眼睑皮脂腺癌、眼部基底细胞癌、眼表鳞状上皮内瘤变、梅克尔细胞癌(未特指)、汗孔癌、结膜黑色素瘤。患者将接受:* 在眼部肿瘤门诊进行评估,包括检查及前节照相 * 根据TNM AJCC第8版进行分期,通过切开活检(临床评估后如有必要)和/或切除活检及当前临床实践中进行的影像学检查(眼眶、面部和颈部MRI加磁共振对比剂,以及全身Tc/Pet) * 注射99mTc标记的纳米胶体 * 术前淋巴闪烁显像 * 术中通过伽马探头寻找前哨淋巴结 * 前哨淋巴结活检 * 对于未在前哨淋巴结活检前进行切除的新生物,进行切除活检。* 若前哨淋巴结组织学阳性,多学科团队将考虑是否将患者转诊进行腮腺切除术及淋巴结链切除和/或辅助放疗/化疗。
- 在当前临床实践中进行的临床-仪器随访(临床检查、颅眶及颈部MRI、全身CT扫描),分别在3、6、12、18、24、36、48、60个月时进行,或根据肿瘤委员会逐案评估的周期进行。
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。




