抗原特异性细胞毒性T细胞治疗机会性感染
该数据集来自 clinicaltrials.gov,主题为抗原特异性细胞毒性T细胞(CTL)治疗机会性感染,本站归类于呼吸系统疾病/肺结核

基本信息
资源简介
抗原特异性细胞毒性T细胞治疗机会性感染
该数据集来自 clinicaltrials.gov,主题为抗原特异性细胞毒性T细胞(CTL)治疗机会性感染,本站归类于呼吸系统疾病/肺结核。覆盖的感染类型包括病原体感染、EBV、CMV、腺病毒、BKV、真菌感染和结核病。研究背景指出机会性感染是免疫抑制患者移植相关发病和死亡的主要原因,尤其是移植早期;CMV、EBV、腺病毒、BKV等病毒或非病毒病原体可导致移植后危及生命的感染。采用针对特定微生物抗原的CTL过继免疫治疗已被证明有效,且因非特异性同种反应性显著降低而不诱发急性移植物抗宿主病(GVHD)。该研究旨在评估微生物特异性CTL治疗免疫受损患者机会性感染的安全性和有效性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:病原体感染、EBV感染、CMV感染、腺病毒感染、BKV感染、真菌感染、结核病。背景:机会性感染是免疫抑制患者移植相关发病和死亡的主要原因,尤其是在移植后早期。CMV、EBV、腺病毒(AdV)、BK病毒(BKV)及其他病毒或非病毒病原体可能导致移植后危及生命的感染。采用与特定微生物抗原反应的细胞毒性T淋巴细胞(CTL)进行过继免疫治疗已被证明有效,且由于非特异性同种反应性显著降低,不会刺激急性移植物抗宿主病(GVHD)。本研究旨在评估用微生物特异性CTL治疗免疫受损患者机会性感染的安全性和有效性。目的:主要研究目标:输注
【主题与分类】
主题标签:Pathogen Infection、EBV Infection、CMV Infection、Adenovirus Infection、BKV Infection、Fungus Infection、Tuberculosis。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03159364
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/NCT03159364
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
条件:病原体感染、EBV感染、CMV感染、腺病毒感染、BKV感染、真菌感染、结核病。背景:机会性感染是免疫抑制患者移植相关发病和死亡的主要原因,尤其是在移植后早期。CMV、EBV、腺病毒(AdV)、BK病毒(BKV)及其他病毒或非病毒病原体可能导致移植后危及生命的感染。采用对特定微生物抗原有反应的细胞毒性T淋巴细胞(CTLs)进行过继性免疫治疗已被证明有效,且由于非特异性同种反应性显著降低,不会诱发急性移植物抗宿主病(GVHD)。本研究旨在评估使用微生物特异性CTLs治疗免疫受损患者机会性感染的安全性和有效性。目的:主要研究目标:通过静脉输注自体或异体病原体特异性CTL给患者,以评估安全性。次要研究目标:评估静脉输注自体或异体病原体特异性CTLs的抗微生物疗效。
设计:将通过单采术获取外周血单核细胞(PBMC)。PBMC中的T细胞将由携带病原体特异性抗原的树突状细胞激活并富集。细胞制备时间约为12-17天。受试者将通过静脉输注接受1x10^5~1x10^6个细胞/kg体重的CTL。输注后第一个月每周随访一次,随后3个月每月随访一次,之后每3个月随访一次,直至试验结束。
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。




