早期乳腺癌nSLN转移预测系统前瞻性验证队列研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT03280134

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：淋巴结转移、乳腺癌、预测性癌症模型。在既往研究中，已建立了一个用于预测早期乳腺癌（cT1-2cN0，1-2枚前哨淋巴结受累）非前哨淋巴结受累的预测模型。该模型基于外周血CK19和超声造影，旨在预测cT1-2cN0且1-2枚前哨淋巴结受累乳腺癌患者的非前哨淋巴结状态。研究者此前已在同一人群中将该模型与MSKCC模型进行比较测试，并确认其结果具有令人满意的低假阴性率和高AUC。该模型在临床应用中具有潜在的实用价值。为进一步验证，研究组设计了CK19B试验，前瞻性地将该模型用于1-2枚前哨淋巴结阳性患者是否接受腋窝淋巴结清扫术的决策策略中。若模型预测结果为阴性，则估计非前哨淋巴结受累风险极低，患者应避免腋窝淋巴结清扫术，甚至无需放疗，无论手术为乳房切除术还是保乳术。若模型结果为阳性，则患者应接受进一步的腋窝淋巴结清扫术或放疗，以降低局部和区域复发风险。

本队列研究计划采用前瞻性条件分组方法。主要终点为两组的无病生存期（DFS），次要终点为局部复发率（LRR）和总生存期（OS）。

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。