基本信息

模态

文本

创建/更新时间

2026-10-20

资源简介

解剖结构对乳腺癌放疗的影响

Anatomy Impact on RT Breast Cancer 是一个聚焦乳腺癌放疗的公开数据集条目，来源于临床试验注册平台 clinicaltrials.gov，在分类上归属于肿瘤 / 乳腺癌方向。该数据集对应的是一项前瞻性观察性（非干预性）研究，核心关注点在于患者解剖结构特征对放疗计划设计与治疗技术选择的影响。研究背景在于，相关机构目前尚缺乏一套客观标准，帮助计划设计者依据患者自身特征确定最优的放疗计划与治疗技术。由于属于非干预性研究，研究不会改变现有临床实践，患者也不会接受临床常规之外的任何操作。该数据集适合作为了解乳腺癌放疗中解剖因素与计划决策关系的入口性资源。

【数据集背景】

该数据集所对应的研究开展于 IRCCS Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori"（IRST）。研究动因是：截至研究开展时，该机构尚无一套客观标准体系，使计划设计者能够根据患者自身特征来确定最佳的放疗计划与治疗技术。换言之，计划与技术选择在实践中更多依赖经验判断，而缺乏可量化的客观依据。该研究即为回应这一空白而设计，属于前瞻性观察性研究，不涉及干预。

【数据内容】

数据集的主题标签为 Breast Cancer，研究条件为乳腺癌。研究所收集的临床变量是医生在日常临床实践中常规采集的那些变量，不额外增加研究专用的检查或操作。关于具体的变量条目、字段结构、样本量规模等细节，现有信息未提供完整说明。源站描述在末尾处中断，因此数据内容层面的完整字段清单无法确认。

【采集与来源】

数据来源为 clinicaltrials.gov 注册的该项前瞻性观察性研究。采集方式为观察性、非干预性：参与研究的患者不会被施加任何超出临床常规的程序，所有临床变量均来自日常临床实践中的常规记录。任何关于药物给药的决定均由医生依据其临床判断、在临床实践背景下作出，与是否将患者纳入本研究相互独立。

【适用场景】

该数据集适用于关注乳腺癌放疗计划设计与治疗技术选择的研究者与临床人员，尤其是希望了解患者解剖结构特征如何影响计划决策的场景。也可用于了解非干预性研究在放疗临床流程优化中的设计思路。由于研究不改变临床实践，其场景定位偏向真实世界临床常规条件下的观察性分析，而非干预性试验评估。

【使用方法】

源站未提供具体的使用方法说明，包括数据访问方式、数据结构说明、分析建议等均未在现有信息中体现。

【质量与限制】

该研究为前瞻性观察性、非干预性设计，其优势在于反映真实临床实践，不引入研究性干预带来的偏倚；但相应限制在于，研究不改变临床实践，也不强制统一计划与技术决策流程，因此数据反映的是常规实践状态。此外，源站描述文本不完整，样本量、随访时长、具体终点指标等关键质量信息无法确认。数据集条目本身未提供数据完整性、缺失率等质量指标。

【引用与许可】

源站未提供引用格式与许可条款相关信息。

原始链接

https://clinicaltrials.gov/study/NCT07881341

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT07881341

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。

数据说明

条件：乳腺癌。迄今为止，在IRCCS Istituto Romagnolo per lo Studio dei Tumori “Dino Amadori”（IRST），尚无一套客观标准体系，使计划设计者能够根据患者特征确定最佳的计划设计和治疗技术。这是一项前瞻性观察性研究（非干预性研究）。因此，不会对已在使用中的临床实践进行任何更改。任何关于药物给药的决定均由医生根据其在临床实践背景下的临床判断做出，与将患者纳入本研究的决定无关。参与试验的患者不会接受任何超出临床实践范围的程序；同样，为本研究收集的临床变量也是医生在日常临床实践中常规收集的变量。本研究将至少纳入30名患者。剂量处方为40.05 Gy（戈瑞），分15次照射。将为每名患者模拟3个放疗治疗计划：3D-CRT、IMRT（S&S）和混合技术（3D-CRT+IMRT）。总共将获得90个计划。

最佳治疗技术将根据至少3名专家临床医生的评分来选择。主要方案选择将是总评分较高者，总评分按3个单项评分之和计算。研究持续时间约为30个月。

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