低危乳腺癌保乳术后APBI与EBRT对比
该数据集来自 clinicaltrials.gov，主题为低危乳腺癌保乳术后加速部分乳腺照射（APBI）与全乳放疗（EBRT）的对比研究
基本信息
资源简介
低危乳腺癌保乳术后APBI与EBRT对比
该数据集对应的研究主题为低危乳腺癌保乳术后的放疗策略比较，具体聚焦于加速部分乳腺照射（APBI）与全乳放疗（EBRT）两种治疗方式的对照评估。数据集英文名称为“APBI Versus EBRT Therapy After Breast Conserving Surgery for Low-risk Breast Cancer”，来源于 clinicaltrials.gov，在分类上归属于肿瘤 / 乳腺癌方向，主题标签为 Breast Cancer。其核心研究目的，是在一组明确定义的低危浸润性乳腺癌或导管原位癌患者中，评估单纯组织间近距离放疗相较于全乳放疗的作用，围绕局部失败（即所有同侧局部复发）这一指标，验证两种治疗方式在局部控制率上是否具有等效性。整体而言，该数据集为乳腺癌保乳术后放疗决策相关研究提供了可参考的临床研究信息来源。
【数据集背景】
乳腺癌是肿瘤领域的重要病种之一，保乳手术后的放疗策略选择是临床关注的问题。对于低危乳腺癌患者，如何在保证局部控制效果的前提下优化放疗方式，是相关研究的重要方向。该数据集所对应的研究，正是围绕低危乳腺癌保乳术后加速部分乳腺照射（APBI）与全乳放疗（EBRT）的对比展开。其研究假设关注两种方案在局部控制率上的等效性，研究对象限定为经明确定义的低危浸润性乳腺癌或导管原位癌人群。该数据集在分类上属于肿瘤 / 乳腺癌，主题标签为 Breast Cancer，来源站为 clinicaltrials.gov。
【数据内容】
该数据集的主题为低危乳腺癌保乳术后加速部分乳腺照射（APBI）与全乳放疗（EBRT）的对比研究。根据源站描述，其研究条件为 Breast Cancer，研究目的在于评估单纯组织间近距离放疗相较于全乳放疗，在明确定义的低危浸润性乳腺癌或导管原位癌人群中的作用，关注终点为局部失败，即所有同侧局部复发，并用以验证各治疗组局部控制率等效的假设。除上述信息外，源站未提供关于具体数据字段、变量结构、样本量、随访时长或统计方法等更细化的数据内容说明。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。其英文名称为“APBI Versus EBRT Therapy After Breast Conserving Surgery for Low-risk Breast Cancer”。源站描述中明确其研究条件为 Breast Cancer，并说明了研究目的与关注终点。除来源站及源站描述所涵盖的信息外，源站未提供关于采集方式、采集时间范围、采集机构或数据更新频率等进一步信息。
【适用场景】
基于现有信息，该数据集适用于与低危乳腺癌保乳术后放疗策略相关的参考场景，尤其是围绕加速部分乳腺照射（APBI）与全乳放疗（EBRT）对比、局部失败或同侧局部复发、局部控制率等效性等主题的研究与查阅。其主题标签为 Breast Cancer，分类为肿瘤 / 乳腺癌，因此可服务于乳腺癌治疗研究领域的相关信息检索与背景了解。除上述方向外，源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT00402519
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：乳腺癌。在明确的低危浸润性乳腺癌或导管原位癌患者群体中，评估单纯组织间近距离放疗与全乳放疗相比在局部失败（所有同侧局部复发）方面的作用，以证实两组局部控制率相当的假设。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
