BEAT-Breast:不适合立体定向放疗的原发性乳腺癌脑转移患者DE-iPTV试验
该数据集来自clinicaltrials.gov,聚焦原发性乳腺癌脑转移且不适合立体定向放疗的成人患者,属于肿瘤/乳腺癌领域

基本信息
资源简介
BEAT-Breast:不适合立体定向放疗的原发性乳腺癌脑转移患者DE-iPTV试验
该数据集来自clinicaltrials.gov,聚焦原发性乳腺癌脑转移且不适合立体定向放疗的成人患者,属于肿瘤/乳腺癌领域。源站描述指出,乳腺癌脑转移是常见且严重的并发症,诊断后生存期约3至5个月,主要治疗手段包括手术、立体定向放射外科和全脑放疗,但多数患者仅接受全脑放疗或未治疗。本地团队开发了一种结合现代放疗计划的方法,认为可能比全脑放疗更有效,旨在评估该方法在不适合更积极治疗、否则将接受全脑放疗的患者中的效果。数据可用于放疗方案比较与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑转移、成人、乳腺癌。乳腺癌脑转移是一种常见且具有毁灭性的并发症,诊断后生存时间为3至5个月。脑转移的主要治疗方法包括手术、立体定向放射外科(SRS)和全脑放疗。然而,已知大多数脑转移患者接受全脑放疗(WBRT)或未接受治疗,手术和SRS的比例相对较低。由于接受治疗者中最常见的治疗是WBRT,本地团队开发了一种被认为(可能)比WBRT更有效的方法。目的是在不适合接受更积极治疗、否则将接受WBRT的患者中评估该方法。本地方法涉及使用现代放疗计划方法,结合仔细
【主题与分类】
主题标签:Brain Metastases, Adult、Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06611306
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/NCT06611306
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:脑转移,成人,乳腺癌。乳腺癌脑转移是一种常见且极具破坏性的并发症,自诊断起生存时间为3至5个月。脑转移的主要治疗方法包括手术、立体定向放射外科(SRS)和全脑放疗。然而,已知大多数脑转移患者接受全脑放疗(WBRT)或不予治疗,接受手术和SRS的比例相对较低。由于接受治疗者中最常见的治疗方式是WBRT,本地团队开发了一种被认为(可能)比WBRT更有效的方法。目的是在那些不适合接受更积极治疗、否则将接受WBRT的患者中评估该方法。该本地方法采用现代放疗计划方法,结合谨慎的转移灶内剂量递增(剂量递增内PTV(DE-iPTV)),以向肿瘤递送更高剂量,同时向脑部递送更低剂量。对正常结构递送更低剂量与对病灶递送更高剂量的结合有望改善健康相关生活质量(HRQoL)。
本研究旨在证明,对于原本将接受全脑放疗(WBRT)的乳腺癌脑转移患者,实施复杂放疗、剂量递增内靶区(DE-iPTV)以及入组后8周生活质量评估的可行性。将完成探索性血液生物标志物样本采集与分析。此外,将利用关联的国家癌症数据来统计目前接受WBRT的患者数量,包括生存成本和住院情况,从而为评估这一新方法的影响提供基线。
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。




