乳腺癌患者术前对比增强CT淋巴造影识别前哨淋巴结的前瞻性单中心队列研究

该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌分类,主题为乳腺癌与前哨淋巴结。源站描述指出,研究假设对比增强CT淋巴造影可用于乳腺癌患者术前前哨淋巴结可视化,并假设该方法对前哨淋巴结定位具有高灵敏度和高特异度,且对判断前哨淋巴结有无转移的阳性预测值和阴性预测值足够高,可用于术前

Saint Petersburg State University, RussiaSaint Petersburg State University, Russia
clinicaltrials
浏览 9
医学影像分类Breast NeoplasmsSentinel Lymph Node
A Prospective Single-center Cohort Study "Preoperative Identification of Sentinel Lymph Nodes Using Contrast-enhanced CT Lymphography in Breast Cancer Patients"

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-20

资源简介

乳腺癌患者术前对比增强CT淋巴造影识别前哨淋巴结的前瞻性单中心队列研究

该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌分类,主题为乳腺癌与前哨淋巴结。源站描述指出,研究假设对比增强CT淋巴造影可用于乳腺癌患者术前前哨淋巴结可视化,并假设该方法对前哨淋巴结定位具有高灵敏度和高特异度,且对判断前哨淋巴结有无转移的阳性预测值和阴性预测值足够高,可用于术前诊断。研究采用乳晕周围注射 iopamidol 的CT淋巴造影,并结合术中 indocyanine green (ICG) 荧光的标准前哨淋巴结活检方案。数据可用于前哨淋巴结识别与转移评估相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:乳腺肿瘤、前哨淋巴结。本研究的主要假设是,对比增强CT淋巴造影可用于乳腺癌患者术前前哨淋巴结的可视化。我们假设CT淋巴造影是一种高灵敏度、高特异度的方法,用于乳腺癌患者的前哨淋巴结定位。我们还假设,用于识别前哨淋巴结(SLN)中存在或不存在转移的阳性预测值和阴性预测值将足够高,可用于乳腺癌患者SLN转移的术前诊断。本研究将使用乳晕周围注射iopamidol的CT淋巴造影,以及使用术中indocyanine green (ICG)荧光的标准化前哨淋巴结活检方案。

【主题与分类】

主题标签:Breast Neoplasms、Sentinel Lymph Node。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04930692

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT04930692

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

条件:乳腺肿瘤,前哨淋巴结。本研究的主要假设是,对比增强CT淋巴管造影可用于乳腺癌患者前哨淋巴结的术前可视化。我们假设CT淋巴管造影是一种用于乳腺癌患者前哨淋巴结定位的高灵敏度和高特异性方法。我们还假设,识别前哨淋巴结(SLN)中是否存在转移的阳性预测值和阴性预测值将足够高,可用于乳腺癌患者SLN转移的术前诊断。本研究将使用乳晕周围注射碘帕醇的CT淋巴管造影以及术中吲哚菁绿(ICG)荧光前哨淋巴结活检的标准方案。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。