化疗联合或不联合放疗或手术治疗寡转移性食管癌或胃癌
该数据集来自 clinicaltrials.gov，聚焦寡转移性食管癌或胃癌，覆盖胃腺癌、寡转移、AJCC v7 分期下的 IV 期食管腺癌、IV 期食管癌与 IV 期胃癌
基本信息
资源简介
化疗联合或不联合放疗或手术治疗寡转移性食管癌或胃癌
该数据集来自 clinicaltrials.gov，聚焦寡转移性食管癌或胃癌，覆盖胃腺癌、寡转移、AJCC v7 分期下的 IV 期食管腺癌、IV 期食管癌与 IV 期胃癌。研究评估一线化疗后未进展的患者接受早期局部治疗（同步放化疗与手术）能否改善总生存，并关注无进展生存与总生存的关系、局部控制、局部区域控制、远处转移进展时间及毒性。可用于肿瘤治疗策略与生存预测相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：胃腺癌、寡转移、AJCC v7 IV 期食管腺癌、AJCC v7 IV 期食管癌、AJCC v7 IV 期胃癌。主要目标：I. 评估一线化疗后无疾病进展的寡转移性食管癌或胃癌患者，接受早期局部治疗（同步化疗/放疗和手术）是否会表现出改善的总生存期（OS）。次要目标：I. 评估两个治疗组之间无进展生存期与总生存期的关系。II. 报告局部控制、局部区域控制。III. 报告远处转移进展时间。IV. 报告毒性。概述：参与者在没有疾病进展或不可接受的毒性的情况下，接受至少 6 个周期、最多 8 个周期的诱导化疗。参与者
【主题与分类】
主题标签：Gastric Adenocarcinoma、Oligometastasis、Stage IV Esophageal Cancer AJCC v7、Stage IV Gastric Cancer AJCC v7。本站分类：肿瘤/胃癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03161522
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/NCT03161522
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：胃腺癌、寡转移、IV期食管腺癌（AJCC第7版）、IV期食管癌（AJCC第7版）、IV期胃癌（AJCC第7版）。主要目标：I. 评估一线化疗后无疾病进展的食管癌或胃癌寡转移患者，通过早期局部治疗（同步化疗/放疗和手术）是否能表现出改善的总生存期（OS）。次要目标：I. 评估两个治疗组之间无进展生存期与总生存期之间的关系。II. 报告局部控制率、局部区域控制率。III. 报告远处转移进展时间。IV. 报告毒性。大纲：参与者在无疾病进展或不可接受的毒性的情况下，接受至少6个周期、最多8个周期的诱导化疗。随后，参与者被随机分配到2组中的1组。第I组（维持化疗）：在无疾病进展或不可接受的毒性的情况下，参与者按照治疗医师的指示接受氟尿嘧啶和卡培他滨。
第二组（局部治疗）：参与者在没有疾病进展或不可接受的毒性的情况下，接受氟尿嘧啶和卡培他滨治疗，并根据主治医师的指示进行放射治疗（RT）。参与者还可能根据临床审慎原则和主治医师的指示，对部分或全部剩余病灶进行手术。研究治疗完成后，对参与者进行随访，分别在4-8周、2-3个月时进行，之后每3-6个月随访一次，持续至多3年，此后每6-12个月随访一次。
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。
