英格兰乳腺非典型增生及后续癌症发展数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05402436

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

条件：乳腺癌。在英格兰，50至70岁女性每三年接受一次乳腺癌筛查。越来越多的女性被检出非典型上皮增生（异型增生）。异型增生是一组异质性异常病变，并非癌症，但伴有低度却显著的相关恶性肿瘤发生率。检出这些病变的获益尚不确定，因为关于其后续发展为乳腺癌风险的证据不足。这一信息对于优化随访和后续筛查至关重要。本研究首次对Sloane异型增生数据进行分析，报告按异型增生类型[非典型导管增生（ADH）或非典型导管内上皮增生（AIDEP）、平坦上皮异型增生（FEA）以及小叶原位肿瘤（LISN：非典型小叶增生（ALH）和小叶原位癌（LCIS））]划分的异型增生女性中发展为乳腺癌的比例及时间范围。这项关于异型增生的大规模研究使用了Sloane队列研究的英格兰筛查项目数据。

Sloane非典型增生项目是一个前瞻性队列，纳入自2003年4月至今通过英国NHS乳腺筛查计划诊断的非典型增生病例。本分析纳入具备放射学、组织病理学、外科和放疗表单的英格兰筛查单位。通过按NHS号码和出生日期将女性与由国家癌症注册与分析服务处（NCRAS）持有的英格兰癌症登记处进行匹配，识别后续发生的乳腺癌。非典型增生病例还与死亡与出生信息系统匹配，以收集用于删失随访的死亡数据，并与乳腺筛查数据存储库匹配，以获取后续筛查乳腺X线摄影预约的邀请和出席信息。研究目标为：1. 从非典型增生的类型、检查方法和女性人口学特征方面对其进行描述；2. 确定按非典型增生类型划分的随时间变化的乳腺癌风险；3. 描述

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。