乳腺MRI作为DCIS术前检查工具

该数据集来自clinicaltrials.gov,主题为乳腺MRI作为导管原位癌(DCIS)术前检查工具的研究。研究关注乳腺MRI在乳腺癌患者中检出其他类型扫描或检查无法发现的癌区的能力,以及接受MRI检查对治疗方案的影响

Memorial Sloan Kettering Cancer CenterMemorial Sloan Kettering Cancer Center
clinicaltrials
浏览 16
医学影像预测Breast CancerDuctal Carcinoma in Situ
Breast MRI as a Preoperative Tool for DCIS

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-17

资源简介

乳腺MRI作为DCIS术前检查工具

该数据集来自clinicaltrials.gov,主题为乳腺MRI作为导管原位癌(DCIS)术前检查工具的研究。研究关注乳腺MRI在乳腺癌患者中检出其他类型扫描或检查无法发现的癌区的能力,以及接受MRI检查对治疗方案的影响。研究还采用特殊方法将乳腺组织影像与显微分析进行细致比对,并对入组女性进行为期10年的随访,以确定乳腺癌复发频率。数据可用于评估MRI在术前评估中的价值及复发预测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:乳腺癌、导管原位癌。乳腺MRI是一项相当新的技术,但已得到充分研究。目前它已常规用于许多乳腺癌患者。它已被证明有助于发现其他类型扫描或检查无法看到的癌症区域。本研究的目的是了解MRI在仅有一处乳腺癌的女性中发现其他癌症区域的频率,并确定接受MRI检查如何影响她们的治疗。目的还在于用特殊方法研究您MRI上看到的任何异常区域,这些方法允许将您乳腺组织的图像与您乳腺组织的显微分析进行非常仔细的比较。该研究还旨在对进入研究的女性进行为期10年的随访,以确定乳腺癌复发的频率。

【主题与分类】

主题标签:Breast Cancer、Ductal Carcinoma in Situ。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00605982

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT00605982

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:乳腺癌,导管原位癌。乳腺MRI是一项相当新的技术,但已得到充分研究。目前,它已被常规用于许多乳腺癌患者。研究表明,它在检测其他类型扫描或测试无法看到的癌症区域方面具有价值。本研究旨在了解,对于有一处乳腺癌病灶的女性,MRI能多频繁地发现其他癌症区域,并确定接受MRI检查如何影响她们的治疗。研究目的还包括:使用特殊方法研究您MRI上看到的任何异常区域,这些方法能够将您乳腺组织的图像与乳腺组织的显微镜分析进行非常仔细的比较。该研究还旨在对进入研究的女性进行为期10年的随访,以确定乳腺癌复发的频率。

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。