Denosumab 早期乳腺癌术前抗肿瘤活性生物标志物研究
该数据集来自 clinicaltrials.gov，聚焦 Denosumab 在早期乳腺癌术前治疗中的抗肿瘤活性生物标志物研究，覆盖女性乳腺肿瘤、I 期与 II 期乳腺癌、激素受体阴性与阳性肿瘤
基本信息
资源简介
Denosumab 早期乳腺癌术前抗肿瘤活性生物标志物研究
该数据集来自 clinicaltrials.gov，聚焦 Denosumab 在早期乳腺癌术前治疗中的抗肿瘤活性生物标志物研究，覆盖女性乳腺肿瘤、I 期与 II 期乳腺癌、激素受体阴性与阳性肿瘤。数据可用于分析 Denosumab 的抗增殖和/或促凋亡活性，关联 RANK 与 RANKL 的 mRNA 及蛋白表达，比较不同乳腺癌表型间的活性差异，并识别生物标志物与基因表达变化（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：女性乳腺肿瘤、I 期乳腺癌、II 期乳腺癌、激素受体阴性肿瘤、激素受体阳性肿瘤。这是一项生物标志物研究，旨在在患者中检验临床前产生的 Denosumab 抗肿瘤活性假设。主要目标是证明 Denosumab 在早期乳腺癌中的抗增殖和/或促凋亡活性。其他终点包括通过 mRNA 和蛋白将 Denosumab 活性与 RANK 和 RANKL 表达相关联；表征 Denosumab 在不同乳腺癌表型之间的差异抗增殖活性；识别生物标志物，识别基因表达的全局变化，并在临床样本中验证 RANKL 抗体的活性。共 60 名早期乳腺癌（I 期和 II 期）患者，候选以肿瘤切除作为首选治疗方式。
【主题与分类】
主题标签：Breast Neoplasm Female、Stage I Breast Cancer、Stage II Breast Cancer、Hormone Receptor Negative Neoplasm、Hormone Receptor Positive Tumor。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03691311
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/NCT03691311
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：乳腺肿瘤女性，I期乳腺癌，II期乳腺癌，激素受体阴性肿瘤，激素受体阳性肿瘤。这是一项生物标志物研究，旨在在患者中检验临床前产生的地诺单抗抗肿瘤活性假设。主要目标是证明地诺单抗在早期乳腺癌中的抗增殖和/或促凋亡活性。其他终点包括通过mRNA和蛋白质将地诺单抗活性与RANK和RANKL表达相关联；表征地诺单抗在不同乳腺癌表型之间的差异抗增殖活性；识别生物标志物，识别基因表达的全局变化，并在临床样本中验证RANKL抗体的活性。总共60名早期乳腺癌（I期和II期）患者，作为首次治疗方法的肿瘤切除候选者，将以2：1随机分组，一个治疗组将在诊断后接受两剂地诺单抗，一个对照组将不接受治疗。研究将至少包括24名激素受体阴性乳腺癌患者和24名绝经前患者。
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。
