电子近距离放射治疗皮肤基底细胞癌研究
该数据集来自 clinicaltrials.gov,聚焦电子近距离放射治疗(EBT)用于皮肤基底细胞癌(BCC)的研究。源站描述指出,EBT 是一种无需同位素的放射治疗方式,适用于特定皮肤病变,尤其是非黑色素瘤皮肤癌(NMSC);多数 NMSC 以手术切除为首选,但约 10-15% 患者因肿瘤位于美

基本信息
资源简介
电子近距离放射治疗皮肤基底细胞癌研究
该数据集来自 clinicaltrials.gov,聚焦电子近距离放射治疗(EBT)用于皮肤基底细胞癌(BCC)的研究。源站描述指出,EBT 是一种无需同位素的放射治疗方式,适用于特定皮肤病变,尤其是非黑色素瘤皮肤癌(NMSC);多数 NMSC 以手术切除为首选,但约 10-15% 患者因肿瘤位于美容敏感部位、合并症、高龄或使用抗凝治疗等原因,可能更适合首选放疗。研究目标为确定 EBT 治疗 BCC 的组织学确认临床疗效、安全性与可用性,设计为前瞻性、门诊、单中心、单一治疗模式(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:基底细胞癌。 依据:电子近距离放射治疗(EBT)为特定皮肤病变,尤其是非黑色素瘤皮肤癌(NMSC)的治疗,提供了一种无需同位素的放射治疗方式。在 NMSC 的治疗中,手术切除病灶目前是大多数病例的首选治疗。然而,在估计 10-15% 的 NMSC 患者中,手术可能不是最佳治疗选择。肿瘤位于美容敏感区域、患者合并症、高龄、使用抗凝治疗等,都可能成为选择放射治疗作为首选治疗的原因。 目标:确定电子近距离放射治疗这一针对基底细胞癌(BCC)的创新治疗的组织学确认临床疗效、安全性和可用性。 研究设计:前瞻性、基于门诊、单中心、单一治疗模式 S
【主题与分类】
主题标签:Carcinoma, Basal Cell。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02939027
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/NCT02939027
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:基底细胞癌。* 原理:电子近距离放射治疗(EBT)为特定皮肤病变,尤其是非黑色素瘤皮肤癌(NMSC)的治疗提供了一种无需同位素的放射治疗方式。在NMSC的治疗中,手术切除病变目前是大多数病例的首选治疗方法。然而,估计有10-15%的NMSC患者,手术可能不是最佳治疗选择。肿瘤位于美容敏感区域、患者合并症、高龄、使用抗凝药物等都可能成为选择放射治疗作为首选治疗的原因。* 目的:确定组织学证实的电子近距离放射治疗——一种治疗基底细胞癌(BCC)的创新疗法的临床疗效、安全性和可用性。* 研究设计:前瞻性、基于门诊、单中心、单一治疗模式 * 研究人群:40名患者,年龄>18岁,至少患有1处BCC。干预:BCC将使用低能X射线的EBT进行治疗。将在治疗前、治疗期间以及治疗后2周、6周和3个月评估病变区域的肿瘤存在情况和大小。
如果患者有多个基底细胞癌(BCC),所有病灶都将接受电子近距离放射治疗,但研究中仅分析最大的一个病灶。* 主要研究参数/终点:BCC的局部控制情况。* 次要参数:急性皮肤毒性、皮肤美容效果、护理人员满意度及患者满意度。* 参与相关的负担和风险的性质与程度、获益及群体相关性:患者将暴露于低能量X射线。所需访视包括:治疗前1次访视(入组/知情同意及活检),2-3周内6次治疗访视,治疗后2周、6周、3个月、6个月、12个月和24个月各1次,共6次对照访视。* 患者还将被要求完成一份简短问卷,以评估其生活质量。
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。




