大体积脑膜瘤多分次放射外科治疗数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT02974127

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：颅内脑膜瘤。迄今为止，颅内脑膜瘤的首选治疗方法是手术切除。放射治疗，尤其是放射外科（SRS），无论是作为单独治疗、辅助治疗还是挽救性治疗，都是神经外科手术的替代或补充可行治疗方案。尽管SRS已成为颅内脑膜瘤的成熟治疗方法，但当治疗体积较大或位于关键部位时，可能伴随显著的并发症风险。大分割立体定向放射治疗能够在不增加毒性风险的情况下，每次分割给予高度聚焦的高剂量。本研究旨在评估多分次放射外科治疗用于大型或中型颅内脑膜瘤和/或位于关键部位（视交叉旁区、视神经旁区、PCA）的颅内脑膜瘤的毒性和症状控制情况。我们还将通过对治疗后的脑膜瘤进行体积分析，比较放射外科治疗前与治疗后（治疗后每6个月）的体积变化，以评估治疗的疗效。

s-SRS前后的神经学和临床评估将基于CTCAE v4.0以及BPN BSN House-Brackman和感觉神经国际量表评估进行。

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。