子宫动脉多普勒血流测速参数预测完全性葡萄胎清宫后持续性妊娠滋养细胞肿瘤发生
该数据集来自clinicaltrials.gov,聚焦完全性葡萄胎清宫术后进展为妊娠滋养细胞肿瘤的预测问题。源站描述指出,完全性葡萄胎进展为妊娠滋养细胞肿瘤的发生率为9%至20%,清宫术是标准处理方法,术后通过系列血清hCG评估识别恶性变,hCG升高或平台多提示需化疗

基本信息
资源简介
子宫动脉多普勒血流测速参数预测完全性葡萄胎清宫后持续性妊娠滋养细胞肿瘤发生
该数据集来自clinicaltrials.gov,聚焦完全性葡萄胎清宫术后进展为妊娠滋养细胞肿瘤的预测问题。源站描述指出,完全性葡萄胎进展为妊娠滋养细胞肿瘤的发生率为9%至20%,清宫术是标准处理方法,术后通过系列血清hCG评估识别恶性变,hCG升高或平台多提示需化疗。数据集涉及子宫动脉多普勒血流测速参数及年龄、卵巢大小、子宫大小、既往葡萄胎妊娠等预测因素,可用于构建预测模型,辅助难以持续监测hCG患者的早期识别与及时管理(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:妊娠滋养细胞肿瘤、完全性葡萄胎。据报道,完全性葡萄胎进展为妊娠滋养细胞肿瘤发生于9%至20%的患者。吸宫术被认为是完全性葡萄胎清宫的标准方法。通过系列评估血清人绒毛膜促性腺激素(hCG),在随访中检测到葡萄胎后恶性变的发生。hCG升高或平台多提示进展为恶性,因而需要化疗。预测葡萄胎后恶性变发生的易感性,主要对于难以持续评估hCG的患者,对于充分的及时管理、避免不必要的化疗暴露非常重要。有许多已确立的葡萄胎后恶性变预测因素,如患者年龄、卵巢大小、子宫大小、既往葡萄胎妊娠
【主题与分类】
主题标签:Gestational Trophoblastic Neoplasia、Complete Hydatiform Mole。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07333326
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/NCT07333326
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:妊娠滋养细胞肿瘤、完全性葡萄胎。据报道,完全性葡萄胎进展为妊娠滋养细胞肿瘤的发生率为9%~20%。吸宫术被认为是完全性葡萄胎排空的标准方法。通过随访期间连续检测血清人绒毛膜促性腺激素(hCG)来发现葡萄胎后恶变的发生。hCG升高或平台状态大多提示进展为恶性肿瘤,因而需要化疗。预测葡萄胎后恶变的发生风险,尤其是在难以连续评估hCG的患者中,对于及时恰当的管理、避免不必要的化疗暴露非常重要。已有许多确定的葡萄胎后恶变预测因素,如患者年龄、卵巢大小、子宫大小、既往葡萄胎妊娠史、连续评估hCG水平、血管内皮生长因子、TGF-β3和HIF-1α水平。
此外,经阴道超声联合能量多普勒可作为预测化疗延迟反应和耐药的因素,尤其适用于低危滋养细胞疾病。盆腔多普勒超声被认为是评估妊娠滋养细胞肿瘤患者子宫大小和血流的重要诊断工具。此外,血流阻力变化可能有助于评估适合妊娠滋养细胞肿瘤管理的化疗方案,并可评估化疗反应。多普勒超声作为一种无创的新生血管功能评估方法,可在完全性葡萄胎清宫后约两周、肉眼病灶出现之前及hCG水平显著升高之前,评估侵袭性妊娠滋养细胞肿瘤病例中高度异常血流的模式。然而,子宫动脉多普勒血流速度测定(DFV)参数是否能作为完全性葡萄胎后妊娠滋养细胞肿瘤的良好预测指标,仍存在争议。
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。




