喀麦隆肿瘤中心乳腺癌登记数据集2025
该数据集提取自喀麦隆肿瘤中心2020年1月1日至2025年3月30日的医院癌症登记记录，专门针对乳腺癌。数据覆盖中非地区乳腺癌患者的登记信息，可用于研究晚期就诊、转移部位与趋向性、治疗规划及预后等临床肿瘤学问题，并支持医学影像与临床肿瘤学相关分析（来源 DOI 解析）
基本信息
资源简介
喀麦隆肿瘤中心乳腺癌登记数据集2025
BreastCancer2025_COC_JT 是一个聚焦乳腺癌的医院癌症登记数据集，英文名称为 BreastCancer2025_COC_JT，本站归类为肿瘤 / 乳腺癌，来源站为 doi.org，作者为 Tambe, Joshua，所属机构为 Mendeley Data，发布时间为 2025 年，主题标签涵盖医学影像与临床肿瘤学。该数据集专门针对乳腺癌，提取自喀麦隆肿瘤中心的医院癌症登记记录，覆盖中非地区乳腺癌患者的登记信息，可用于研究晚期就诊、转移部位与趋向性、治疗规划及预后等临床肿瘤学问题，并支持医学影像与临床肿瘤学相关分析。
【数据集背景】
乳腺癌是撒哈拉以南非洲最常见的癌症，也是该地区所有癌症相关死亡的主要原因。在低收入和中等收入国家，患者确诊时已处于疾病晚期是典型特征。转移性疾病的存在及其具体部位会影响治疗规划、治疗反应与预后。鉴于转移性乳腺癌具有遗传异质性，相关研究希望在中非地区确定其患病率、决定因素与趋向性。该数据集正是在这一背景下形成，其来源描述指出主要发现已总结于两篇摘要之中，其中摘要一交代了上述背景与研究目标。
【数据内容】
该数据集专门针对乳腺癌，内容为来自喀麦隆肿瘤中心医院癌症登记处的登记信息。来源描述说明，数据提取自该中心基于医院的前瞻性癌症登记记录，覆盖时间为 2020 年 1 月 1 日至 2025 年 3 月 30 日。数据集面向中非地区乳腺癌患者群体，涉及晚期就诊、转移部位与趋向性、治疗规划及预后等临床肿瘤学主题。关于数据的具体字段构成、样本量、变量类型与编码方式，源站未提供。
【采集与来源】
数据来源于喀麦隆肿瘤中心的医院癌症登记处，该登记处为前瞻性收集的、隶属于大学的教学肿瘤学机构登记系统。提取时间范围为 2020 年 1 月 1 日至 2025 年 3 月 30 日。数据集通过 doi.org 发布，所属机构为 Mendeley Data，作者为 Tambe, Joshua，发布时间为 2025 年。关于登记过程中的质量控制流程、数据录入规范与伦理审批信息，源站未提供。
【适用场景】
该数据集适用于临床肿瘤学与医学影像相关分析，可支持围绕中非地区乳腺癌的研究，包括晚期就诊现象、转移部位分布与趋向性、治疗规划以及预后评估等方向。由于其专门针对乳腺癌且覆盖医院癌症登记信息，也可用于探索低收入和中等收入国家乳腺癌诊疗特征的相关课题。关于具体建模任务、验证用途或已发表应用案例，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、文件格式、字段说明、预处理建议与配套分析代码等均未在来源描述中说明。使用者需依据 doi.org 上的发布信息自行确认访问与使用条件。
【质量与限制】
该数据集为基于单一医院癌症登记处的数据，来源为喀麦隆肿瘤中心，时间范围为 2020 年 1 月 1 日至 2025 年 3 月 30 日。关于样本代表性、缺失值情况、数据完整性、偏倚评估与外部验证结果，源站未提供。使用者应注意其来源于特定机构登记记录这一事实，具体质量指标需以源站发布信息为准。
【引用与许可】
该数据集的作者为 Tambe, Joshua，所属机构为 Mendeley Data，发布时间为 2025 年，来源站为 doi.org。关于引用格式、许可协议类型与使用限制，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://doi.org/10.17632/j9p6wfcnhk
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:
数据集大小约 61.4 KB。
数据说明
数据提取自喀麦隆肿瘤中心2020年1月1日至2025年3月30日的医院肿瘤登记数据库。该数据集专门针对乳腺癌。该数据集的主要发现总结于两篇摘要中：摘要1 背景 乳腺癌（BC）是撒哈拉以南非洲最常见的癌症，也是所有癌症相关死亡的主要原因。低收入和中等收入国家（LMICs）的特征是疾病晚期才就诊。转移性疾病的存在及具体部位影响治疗规划、疗效和预后。鉴于转移性乳腺癌（mBC）的遗传异质性，本研究旨在确定中非地区转移性乳腺癌的患病率、决定因素和转移趋向性。方法 数据提取自一家大学附属肿瘤专科中心前瞻性收集的医院肿瘤登记数据库。采用多变量逻辑回归模型确定肿瘤播散的预测因素，同时使用桑基图展示播散模式。所有统计检验均为双侧检验，显著性阈值设定为0.05。
结果 从271例乳腺癌患者的病历中提取数据。性别比为1：270，中位年龄（范围）为47（16-91）岁。共有148/271例（54.6%）乳腺癌发生于左乳（p<0.01）。浸润性导管癌（IDC）占所有组织学亚型的76.4%（204/267），而三阴性乳腺癌（TNBC）为主要分子亚型（55.9%，146/261）。基线肿瘤分期如下：I期2.7%（17/271）；II期36.2%（98/271）；III期43.5%（118/271）；IV期14%（38/271）。随访期间，40.2%（109/271）的患者有影像学证据显示转移。mBC与组织学亚型（p=0.03）和分子亚型（p<0.01）独立相关，其中IDC和TNBC分别占所有转移病例的83.9%（89/106）和72.4%（76/105）
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。
