BrUOG 291:采用无创图像引导乳腺近距离放疗的五次分割部分乳腺照射
该数据集来自 clinicaltrials.gov,主题为乳腺癌,属于肿瘤/乳腺癌分类。研究评估对已切除的早期乳腺癌女性,采用无创图像引导乳腺近距离放疗(NIBB,AccuBoost 系统)以更便捷的五次分割方案实施加速部分乳腺照射(APBI)时,早期和中期毒性的发生率

基本信息
资源简介
BrUOG 291:采用无创图像引导乳腺近距离放疗的五次分割部分乳腺照射
该数据集来自 clinicaltrials.gov,主题为乳腺癌,属于肿瘤/乳腺癌分类。研究评估对已切除的早期乳腺癌女性,采用无创图像引导乳腺近距离放疗(NIBB,AccuBoost 系统)以更便捷的五次分割方案实施加速部分乳腺照射(APBI)时,早期和中期毒性的发生率。NIBB 利用先进图像引导放疗技术,无需导管或植入物即可实现无创部分乳腺照射,并通过乳腺固定与精确图像引导,相较 3D-CRT 等其他无创 APBI 技术减少照射野内的非靶区乳腺组织(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。本研究的目的是评估对已切除的早期乳腺癌女性,采用无创图像引导乳腺近距离放疗(NIBB)(AccuBoost 系统)以更便捷的五次分割方案实施加速部分乳腺照射(APBI)时,早期和中期毒性的发生率。无创图像引导乳腺近距离放疗(NIBB)利用先进的图像引导放疗技术,有可能消除传统 APBI 技术的缺点。NIBB 无需使用导管或植入物即可实现无创部分乳腺照射。然而,通过使用乳腺固定和精确图像引导,与 3D-CRT 等其他无创 APBI 技术相比,它减少了照射野内的非靶区乳腺组织。这使 NIBB 成为实施 APBI 的一种有吸引力的方法。我们假设
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01961531
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/NCT01961531
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。本研究旨在评估采用更为便捷的5次分割方案、通过非侵入性图像引导乳腺近距离放疗(NIBB)(AccuBoost系统)实施的加速部分乳腺照射(APBI)在已切除的早期乳腺癌女性中相关的早期和中期毒性反应发生率。非侵入性图像引导乳腺近距离放疗(NIBB)采用先进的图像引导放疗技术,有望消除传统APBI技术的缺点。NIBB无需使用导管或植入物即可实现非侵入性部分乳腺照射。然而,通过使用乳腺固定和精确的图像引导,与其他非侵入性APBI技术(如3D-CRT)相比,它减少了照射野内的非靶区乳腺组织。这使得NIBB成为实施APBI的一种有吸引力的方法。我们假设,以5次治疗实施的NIBB将是一种更为便捷、安全且有效的方式来进行部分乳腺照射。
NIBB方案治疗的预期优势包括:* 便利的治疗安排 * 短疗程可提高患者获得治疗的机会 * 非侵入性方法 * 利用先进成像技术精确靶向肿瘤切除腔,提高准确性 * 减少对非目标乳腺组织的照射 * 降低皮肤毒性 * 无心脏或肺部辐射暴露 * 减少晚期皮肤或乳腺毒性 * 高比例的优良或优秀美容效果 * 与其他APBI技术相比,同侧乳腺肿瘤控制率高
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。




