APBI:早期乳腺癌5次27Gy放疗
该数据集来自clinicaltrials.gov,聚焦早期乳腺癌保乳术后的加速部分乳腺照射(APBI)。源站描述回顾了既往3D适形外照射38.5Gy/10次方案纤维化与美容效果较差的问题,并基于α/β=2的放射生物学模型提出27Gy/5次方案,预期其晚期效应与42.5Gy/16次或50Gy/25次相

基本信息
资源简介
APBI:早期乳腺癌5次27Gy放疗
该数据集来自clinicaltrials.gov,聚焦早期乳腺癌保乳术后的加速部分乳腺照射(APBI)。源站描述回顾了既往3D适形外照射38.5Gy/10次方案纤维化与美容效果较差的问题,并基于α/β=2的放射生物学模型提出27Gy/5次方案,预期其晚期效应与42.5Gy/16次或50Gy/25次相当。该临床试验旨在验证这一短程、便捷方案的的安全性,数据可用于乳腺癌放疗方案比较与安全性评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺癌。背景:此前,使用3D适形外照射技术进行加速部分乳腺照射(APBI),以38.5Gy分10次、每日两次的方式照射,对于早期乳腺癌女性,在保乳手术(BCS)后,与标准全乳照射(WBI)相比,导致了更严重的纤维化和美容效果恶化。在最初APBI技术设计后的十年间,各种乳腺放疗分割方案的长期结果已经可用,并提示正常组织纤维化和美容效果随放射生物学常数α/β=2而非先前估计的α/β=3.4而变化。使用α/β=2的放射生物学模型表明,5次每日治疗给予27Gy的剂量应产生与16次42.5Gy或25次50Gy相当的晚期效应。本临床试验将验证一种短程、便捷且……(源站描述在此处截断)的安全性。
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02681107
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。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT02681107
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
疾病:乳腺癌。背景:既往研究显示,对于早期乳腺癌患者,在保乳手术(BCS)后采用三维适形外照射技术进行加速部分乳腺照射(APBI),以每日两次、共10次分割的方式给予38.5Gy,其所导致的纤维化和美容效果恶化均劣于标准全乳照射(WBI)。在最初APBI技术设计以来的十余年间,多种乳腺放疗分割方案的长期结局数据已陆续获得,提示正常组织纤维化和美容效果随放射生物学常数变化,即α/β=2而非先前估计的α/β=3.4。采用α/β=2进行放射生物学建模表明,每日1次、共5次给予27Gy的剂量,其晚期效应应与16次给予42.5Gy或25次给予50Gy相当。本临床试验将验证采用每日1次、共5次给予27Gy的短程、便捷且成本较低的APBI的安全性。目的:确定采用三维适形放疗、1周内5次分割给予27Gy的APBI的美容及正常组织结局。方法:将开展一项单臂、II期、非劣效性、前瞻性研究。
274名新诊断的浸润性或原位导管癌女性患者将接受治疗,这些患者已接受保乳手术(BCS)和前哨淋巴结活检(或腋窝淋巴结清扫),适合单独接受全乳放疗(WBI)。受试者年龄为50岁及以上,肿瘤直径小于3cm,切缘和淋巴结阴性,且保乳手术后基线美容效果为优或良。广泛导管原位癌、BRCA突变、伴有淋巴管或血管侵犯的3级癌症或小叶癌患者将被排除。这些选择标准与加拿大RAPID试验相似。在研究的第一阶段,将招募150名患者,并进行中期分析以排除2年时不可接受的毒性。研究终点:主要终点是保持优或良美容评分的女性比例。
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。




