CYTALUX(Pafolacianine)单剂量研究者发起的癌症手术切除术中恶性组织检测试点研究
该数据集来自 clinicaltrials.gov,为一项单剂量研究者发起的试点研究,评估 CYTALUX(Pafolacianine)在癌症手术切除受试者中术中检测恶性组织的作用

基本信息
资源简介
CYTALUX(Pafolacianine)单剂量研究者发起的癌症手术切除术中恶性组织检测试点研究
该数据集来自 clinicaltrials.gov,为一项单剂量研究者发起的试点研究,评估 CYTALUX(Pafolacianine)在癌症手术切除受试者中术中检测恶性组织的作用。覆盖食管癌、胃肠道肿瘤和妇科肿瘤,本站归类为肿瘤/胃癌。源站描述指出胃食管癌和胰腺癌侵袭性强、R0 切除是治愈关键,而现有术中工具难以准确界定肿瘤边缘和发现隐匿病灶;叶酸受体α在包括胃癌和胰腺癌的多种上皮肿瘤中过表达,使靶向成像成为可能。数据可用于术中恶性组织检测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:食管癌、胃肠道肿瘤、妇科肿瘤。背景与理由:胃食管癌和胰腺癌是侵袭性恶性肿瘤,治愈性选择有限。完整手术切除(R0)仍是治愈意图的基石。然而,当前术中工具——视觉检查、触诊和内镜——在准确描绘肿瘤边缘和检测隐匿病灶方面存在局限。术后高复发率表明需要改进的术中检测技术。叶酸受体α(FRα)在多种上皮肿瘤中过表达,包括胃癌和胰腺癌。近期研究表明,超过三分之一的胃癌和一部分胃肠道肿瘤腹膜转移灶过表达FRα,使其适合靶向成像。Pafolacianine是一种叶酸类似物共
【主题与分类】
主题标签:Esophageal Cancer、Gastrointestinal Cancers、Gynecologic Cancers。本站分类:肿瘤/胃癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07039526
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/NCT07039526
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:食管癌、胃肠道肿瘤、妇科肿瘤。背景与依据:胃食管癌和胰腺癌是侵袭性恶性肿瘤,根治性治疗选择有限。完整手术切除(R0)仍是根治性治疗的基石。然而,目前的术中工具——肉眼检查、触诊和内镜检查——在准确描绘肿瘤边缘和检测隐匿性病变方面存在局限。术后高复发率提示需要改进术中检测技术。叶酸受体α(FRα)在多种上皮性肿瘤中过表达,包括胃癌和胰腺癌。近期研究表明,超过三分之一的胃癌以及胃肠道肿瘤的部分腹膜转移灶过表达FRα,使其适合靶向成像。Pafolacianine是一种与近红外荧光染料偶联的叶酸类似物,设计用于结合FRα,从而利用近红外成像系统实现癌组织的术中实时可视化。
研究产品:CYTALUX™(pafolacianine)是由On Target Laboratories, Inc.开发的一种静脉给药显像剂。它由OTL0038组成,OTL0038是一种与吲哚花菁绿类染料偶联的叶酸类似物。该显像剂选择性结合FRα,并在近红外光谱中发射荧光(激发:760-785 nm;发射:790-815 nm),在手术过程中提供高对比度成像。作用机制:静脉给药后,pafolacianine全身分布并迅速从正常组织中清除。在表达FRα的肿瘤细胞中,该显像剂通过受体介导的内吞作用滞留。在近红外光照射下,恶性组织发出荧光,使外科医生能够在术中可视化肿瘤、转移结节和淋巴结。该机制支持改善肿瘤定位、识别阳性切缘以及增强对原本隐匿病变的检测。临床前和临床数据:在KB人癌细胞系和鼠异种移植m中的临床前研究
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。




