对比增强 MRI 用于导管原位癌（DCIS）表征
该数据集来自 clinicaltrials.gov，聚焦于乳腺癌中的导管原位癌（DCIS）。其核心是比较 DCIS 优化 MRI 与标准临床 MRI 在显示 DCIS 及非典型导管增生（ADH）病灶、与活检疾病范围一致性以及整体图像质量（伪影水平、脂肪抑制均匀性、对比噪声比和信噪比）方面的表现，并按
基本信息
资源简介
对比增强 MRI 用于导管原位癌（DCIS）表征
该数据集聚焦于乳腺癌中的导管原位癌（DCIS），旨在通过对比增强 MRI 技术提升对 DCIS 及非典型导管增生（ADH）的识别与表征能力。其核心研究目标是比较 DCIS 优化 MRI 与标准临床 MRI 在多个维度上的表现，包括病灶显示清晰度、与活检所确定的疾病范围的一致性，以及整体图像质量。图像质量评估涵盖伪影水平、脂肪抑制均匀性、对比噪声比和信噪比等指标，采用从差到优的 1 至 5 分制进行评分。此外，该数据集还纳入 ADH 受试者，以探索 DCIS 优化 MRI 在区分 DCIS 与 ADH 方面的潜在价值。该数据集来源于 clinicaltrials.gov，属于肿瘤 / 乳腺癌分类，主题标签为 Breast Cancer。
【数据集背景】
该数据集所对应的研究关注乳腺影像学中的一个具体挑战：导管原位癌（DCIS）的准确表征。DCIS 是一种非浸润性乳腺病变，但其在常规 MRI 中的显示可能不够理想。同时，非典型导管增生（ADH）作为一种良性病变，也可能在 MRI 上表现出强化，从而增加与 DCIS 鉴别的难度。因此，该研究提出使用 DCIS 优化 MRI，并与标准临床 MRI 进行系统比较，以评估前者在显示 DCIS 和 ADH 病灶、判断疾病范围以及整体图像质量方面的表现。该数据集来源于 clinicaltrials.gov，归类于肿瘤 / 乳腺癌，主题标签为 Breast Cancer。
【数据内容】
该数据集涉及的内容围绕 MRI 图像评估展开。具体而言，研究将比较 DCIS 优化 MRI 与标准临床 MRI。评估对象包括 DCIS 和 ADH 病灶的显示清晰度、疾病范围与活检结果的一致性，以及整体图像质量。图像质量评估采用 1 至 5 分的评分尺度，从差到优，评估维度包括伪影水平、脂肪抑制均匀性、对比噪声比和信噪比。此外，数据集还包含 ADH 受试者的相关信息，用于探索 DCIS 优化 MRI 在区分 DCIS 与 ADH 方面的效用。关于具体的图像数量、受试者数量、采集时间、设备型号等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中提及的研究条件为 Breast Cancer，研究目标包括比较 DCIS 优化 MRI 与标准临床 MRI，并纳入 ADH 受试者。关于图像采集的具体参数、扫描协议、设备信息、采集地点、时间范围等，源站未提供。
【适用场景】
该数据集适用于乳腺影像学研究中关于 DCIS 和 ADH 的 MRI 表征分析。潜在应用场景包括：评估不同 MRI 方案对 DCIS 病灶显示清晰度的影响；比较 DCIS 优化 MRI 与标准临床 MRI 在判断疾病范围方面与活检结果的一致性；分析图像质量指标（如伪影水平、脂肪抑制均匀性、对比噪声比和信噪比）的差异；以及探索 MRI 在区分 DCIS 与 ADH 方面的能力。该数据集也可用于方法学比较研究，或作为相关影像算法开发的参考数据。关于具体的临床决策支持或诊断流程整合，源站未提供。
【使用方法】
该数据集的使用可能涉及对 MRI 图像进行评分和比较。根据源站描述，评估采用 1 至 5 分的评分尺度，从差到优，针对病灶显示清晰度、疾病范围与活检的一致性以及整体图像质量进行评价。图像质量的具体评估维度包括伪影水平、脂肪抑制均匀性、对比噪声比和信噪比。使用者可能需要按照这些维度对 DCIS 优化 MRI 和标准临床 MRI 进行独立评分，并比较两者差异。此外，对于纳入的 ADH 受试者，可分析 DCIS 优化 MRI 在区分 DCIS 与 ADH 方面的表现。关于数据的具体格式、访问方式、预处理步骤或分析工具，源站未提供。
【质量与限制】
该数据集的质量与限制信息在源站描述中未详细说明。已知的评估维度包括伪影水平、脂肪抑制均匀性、对比噪声比和信噪比，并采用 1 至 5 分制评分。然而，关于样本量、数据完整性、标注一致性、评分者间可靠性、潜在偏倚或外部验证情况，源站未提供。此外，该数据集仅涉及 DCIS 和 ADH 的 MRI 表征，不涵盖其他乳腺病变类型。使用时应考虑其来源为 clinicaltrials.gov 的研究描述，具体数据质量需依据实际获取的数据进行评估。
【引用与许可】
该数据集来源于 clinicaltrials.gov。关于具体的引用格式、许可条款、使用限制或数据共享政策，源站未提供。使用者应参考 clinicaltrials.gov 上该研究的相关页面以获取可能的引用和许可信息。
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/NCT00804128
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
疾病：乳腺癌。目的：* 将DCIS优化MRI与标准临床MRI进行比较。采用从差到优的1-5分评分标准，评估图像中DCIS和不典型导管增生（ADH）病变的显著性、疾病范围与活检的一致性，以及整体图像质量（伪影水平、脂肪抑制均匀性、对比噪声比和信噪比）。* 招募患有ADH的受试者，这是一种良性病变，也可能在MRI上显示增强，以探索DCIS优化MRI在区分DCIS和ADH方面的效用。
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。
