评估微生物组对乳腺癌放疗毒性的影响
该数据集来自 clinicaltrials.gov，聚焦微生物组对乳腺癌放疗毒性的影响。研究前瞻性纳入 50 名经活检确诊为导管原位癌（DCIS）或浸润性乳腺癌、年龄 18 岁及以上、在 Cleveland Clinic 接受保乳手术及辅助放疗的参与者
基本信息
资源简介
评估微生物组对乳腺癌放疗毒性的影响
该数据集来自 clinicaltrials.gov，聚焦微生物组对乳腺癌放疗毒性的影响。研究前瞻性纳入 50 名经活检确诊为导管原位癌（DCIS）或浸润性乳腺癌、年龄 18 岁及以上、在 Cleveland Clinic 接受保乳手术及辅助放疗的参与者。每位参与者将采集术后放疗前的粪便与乳腺皮肤样本，完成病历回顾以获取临床数据，并接受访谈或问卷以了解潜在风险因素。收集信息包括分期（T、N、M、综合）、是否接受化疗、放疗野与剂量、BMI、高血压、糖尿病、吸烟状况及乳腺感染史。可用于探索微生物组与放疗毒性关联的预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：DCIS、浸润性乳腺癌。本研究将前瞻性纳入 50 名经活检证实为导管原位癌（DCIS）或浸润性乳腺癌、年龄 18 岁及以上、在 Cleveland Clinic 接受保乳手术和辅助放疗的参与者。每位参与者将采集术后放疗前的粪便和乳腺皮肤样本，完成病历回顾以获取临床数据，并完成访谈/问卷以了解潜在风险因素，这些因素将纳入数据收集表。纳入信息将包括分期（T、N、M、综合）、是否接受化疗、放疗野和剂量、BMI、高血压（HTN）、糖尿病（DM）、吸烟状况、乳腺感染史 是/否（数据收集表）。
【主题与分类】
主题标签：DCIS、Invasive Breast Cancer。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04245150
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/NCT04245150
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：导管原位癌（DCIS）、浸润性乳腺癌。本研究将前瞻性入组50名经活检证实为导管原位癌（DCIS）或浸润性乳腺癌、年龄18岁及以上、在克利夫兰诊所接受保乳手术及辅助放疗的参与者。每位参与者将在手术后、放疗前采集粪便和乳房皮肤样本，完成病历回顾以获取临床数据，并完成一次访谈/问卷，以了解可能的风险因素，这些因素将纳入数据采集表。纳入的信息将包括分期（T、N、M、综合分期）、是否接受化疗、放疗野及剂量、BMI、高血压（HTN）、糖尿病（DM）、吸烟状况、乳腺感染史（是/否）（数据采集表）。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
