卡铂+白蛋白结合型紫杉醇联合曲妥珠单抗（HER2+）或贝伐珠单抗（HER2-）新辅助治疗

数据集获取

源站：https://clinicaltrials.gov/study/NCT00618657

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、HER2阴性乳腺癌、HER2阳性乳腺癌、复发性乳腺癌、IA期乳腺癌、IB期乳腺癌、II期乳腺癌、IIIA期乳腺癌。主要目标：I. 评估肿瘤大于1厘米和/或淋巴结阳性的乳腺癌患者接受每周卡铂/白蛋白结合型紫杉醇治疗（HER2+疾病患者联合曲妥珠单抗，HER2-患者联合贝伐珠单抗）的2年无进展生存率。II. 测量在新辅助治疗 setting 中治疗患者的临床缓解率。III. 测量该方案在新辅助治疗 setting 中治疗患者的显微镜下病理缓解率。IV. 测量该方案的毒性和实际给予的剂量强度。V. 评估这些患者原发肿瘤部位显微镜下病理完全缓解与临床完全缓解之间的关联。VI. 测量接受多柔比星和环磷酰胺治疗的患者与未接受多柔比星和环磷酰胺治疗的患者的结果。次要目标：I.

开发定量分析方法，以获取乳腺癌治疗前肿瘤特征的形态学、增强动力学和胆碱代谢参数。利用逻辑回归分析和人工神经网络（ANN）筛选最优特征集，以预测HER-2阳性和阴性组的病理完全缓解（pCR）。II. 研究利用肿瘤大小变化百分比或其他病灶特征参数变化所分析的早期反应模式，是否可用于预测HER-2阳性和阴性组的病理完全缓解（pCR）。III. 研究将治疗前肿瘤特征参数与治疗过程中的早期反应模式相结合，是否能在预测pCR时获得比仅基于治疗前MRI特征或肿瘤反应模式更高的“受试者工作特征（ROC）曲线下面积”（AUC）。大纲：患者接受紫杉醇白蛋白稳定纳米颗粒制剂静脉注射30分钟，以及卡铂静脉注射60分钟

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。