乳腺癌女性乳房切除术后放疗与否的美容结局、患者报告结局及重建相关并发症
该数据集来自clinicaltrials.gov，聚焦女性乳腺癌患者。研究旨在从患者视角探讨乳房切除术后接受或不接受放疗的乳房重建结局，覆盖美容结局、患者报告结局及重建相关并发症
基本信息
资源简介
乳腺癌女性乳房切除术后放疗与否的美容结局、患者报告结局及重建相关并发症
该数据集英文名为“Cosmetic Outcome, Patient-reported Outcomes, and Reconstruction-related Complications in Breast Cancer Women Treated With or Without Post-mastectomy Radiation Therapy”，在站内归入肿瘤 / 乳腺癌分类，来源为 clinicaltrials.gov。数据集聚焦女性乳腺癌患者，研究旨在从患者视角探讨乳房切除术后接受或不接受放疗的乳房重建结局，覆盖美容结局、患者报告结局及重建相关并发症三个方面。主题标签为 Breast Cancer Female。整体而言，该数据集围绕乳腺癌术后放疗与重建结局的患者体验展开，为相关临床研究与患者报告结局分析提供数据基础。
【数据集背景】
该数据集来源于 clinicaltrials.gov，属于肿瘤 / 乳腺癌领域。源站描述指出，其条件为女性乳腺癌（Breast Cancer Female）。研究目的在于从患者自身视角考察乳房切除术后接受或不接受放疗情况下的乳房重建结局。这一背景决定了数据集的核心关注点在于患者主观感受与临床结局的结合，而非单纯的影像或病理指标。
【数据内容】
依据源站描述与主题标签，数据集覆盖女性乳腺癌患者群体，内容涉及美容结局、患者报告结局以及重建相关并发症。研究设计上区分了接受术后放疗与未接受术后放疗两类情形，并围绕乳房重建结局进行观察。关于具体变量字段、样本量、随访时长、量表工具等细节，源站未提供。
【采集与来源】
数据集的来源站为 clinicaltrials.gov，属于临床试验注册与信息平台。其源站描述明确了研究条件为女性乳腺癌，并说明研究从患者视角考察乳房重建结局。关于具体的采集机构、采集时间、采集地点与采集流程，源站未提供。
【适用场景】
该数据集适用于乳腺癌术后重建与放疗相关的研究场景，尤其是关注患者报告结局、美容结局与重建相关并发症的分析。可用于比较接受与未接受术后放疗患者的重建结局差异，也可用于患者视角的结局评价研究。关于具体的建模用途或临床决策支持场景，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、字段说明、数据格式与配套文档等均未提及。使用者需依据来源站 clinicaltrials.gov 的公开信息自行确认可用范围。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或样本代表性的说明。由于研究聚焦女性乳腺癌患者且区分放疗与否，其结论外推需谨慎。关于数据集的局限性与已知偏差，源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应遵循来源站 clinicaltrials.gov 的相关规定，具体引用与许可要求需另行确认。
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/NCT03523078
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：乳腺癌女性。本研究旨在从患者的角度探讨乳房切除术后接受或不接受放射治疗的乳房重建结果。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
