乳腺癌乳房重建与放疗研究
该数据集来自 clinicaltrials.gov，聚焦乳腺癌患者全乳切除后的乳房重建与放疗问题。源站描述指出，放疗会提高重建并发症风险，而关于重建时机（放疗前或后）与重建类型（假体或自体组织）的高质量研究较少
基本信息
资源简介
乳腺癌乳房重建与放疗研究
该数据集英文名为 Breast Reconstruction and Radiotherapy，在分类上归属于肿瘤 / 乳腺癌方向，主题标签为 Breast Cancer，数据来源于 clinicaltrials.gov。其关注的核心问题是：因乳腺癌而接受全乳切除的患者，在乳房重建与放疗相交织的情境下，如何权衡不同重建方案的风险与获益。源站描述指出，放疗会提高重建并发症风险，而围绕重建时机（放疗前或放疗后）与重建类型（假体或自体组织）的高质量研究数量有限。随着放疗适应证不断扩大、希望接受重建的患者增多，这一问题的现实意义日益突出。该数据集即围绕这一全国性前瞻性研究展开，旨在通过比较不同重建方案在患者报告结局、毒性、肿瘤学安全性与成本等方面的表现，识别更理想的治疗策略，并为共同决策与成本效益提供依据。
【数据集背景】
乳腺癌患者在接受全乳切除后，乳房重建有多种可选方案。源站描述强调，无论患者既往接受过放疗还是将来需要接受放疗，这些重建方案的并发症风险都会升高。然而，真正针对患者满意度与并发症风险的高质量研究并不多，且研究需要同时考虑两个维度：重建时机（放疗之前或之后）与重建类型（假体或自体组织）。随着放疗适应证逐步扩大，以及更多患者希望进行乳房重建，这一问题正变得愈发具有现实相关性。该数据集所对应的研究正是在这一背景下设计，试图填补高质量证据不足的空白。
【数据内容】
依据源站描述，该研究为全国性前瞻性研究，其比较维度包括不同的乳房重建方案，评价内容涵盖患者报告结局（PROs）、毒性、肿瘤学安全性与成本。数据集主题标签为 Breast Cancer，分类归入肿瘤 / 乳腺癌。关于数据集的具体变量字段、样本量、随访时长、数据记录格式等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，对应一项全国性前瞻性研究。源站描述说明了研究的目标与比较框架，但关于具体的采集机构、采集时间窗口、入组标准、数据采集流程与频率等信息，源站未提供。
【适用场景】
该数据集适用于围绕乳腺癌全乳切除后乳房重建与放疗交叉问题的研究与决策支持，包括比较不同重建时机与重建类型在患者报告结局、毒性、肿瘤学安全性与成本方面的差异，以及为临床共同决策和成本效益评估提供参考。源站描述明确提到，研究结果将有助于改善共同决策并支持成本效益相关判断。关于该数据集在其他具体场景中的适用性，源站未提供。
【使用方法】
源站描述仅说明该研究通过比较不同重建方案来识别更理想的治疗策略，未提供数据访问方式、数据结构说明、分析指南或推荐的分析方法。相关内容源站未提供。
【质量与限制】
源站描述指出，此前仅有少数高质量研究同时涉及患者满意度与并发症风险，且需兼顾重建时机与重建类型两个方面，这构成了该研究开展的理由。但就该数据集自身的样本规模、数据完整性、随访依从性、偏倚控制等质量指标，源站未提供。该数据集在范围上的一个明确限定是：聚焦乳腺癌全乳切除后的乳房重建与放疗问题，主题标签为 Breast Cancer。
【引用与许可】
关于该数据集的引用方式、许可条款与使用限制，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/NCT07178886
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。若因乳腺癌行全乳切除术，则有多种乳房重建方案可供选择。若患者曾接受或将要接受放疗，所有这些方案均会增加并发症风险。然而，仅有少数高质量研究探讨了患者满意度与并发症风险，且同时涉及时机（放疗前或放疗后）和重建类型（假体或自体组织）两个方面。随着放疗适应证的扩大及更多患者希望进行重建，这一问题日益具有现实意义。通过这项全国性前瞻性研究，研究者旨在比较不同重建方案在患者报告结局（PROs）、毒性、肿瘤学安全性及费用方面的差异，以确定最理想的治疗策略。这些结果将有助于改善放疗情况下乳房重建策略的共同决策及成本效益。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
