支持新诊断乳腺癌患者对侧预防性乳房切除术决策的决策工具
该数据集来自 clinicaltrials.gov，聚焦新诊断乳腺癌患者在对侧预防性乳房切除术（CPM）中的决策支持。主要目标是对一款在线决策支持工具进行现场测试，该工具向面临 CPM 决策的患者提供关于对侧乳腺癌预期发生率及 CPM 预期寿命获益的循证信息，设计用于临床环境，由患者与医生在共享决策
基本信息
资源简介
支持新诊断乳腺癌患者对侧预防性乳房切除术决策的决策工具
该数据集来自 clinicaltrials.gov，聚焦新诊断乳腺癌患者在对侧预防性乳房切除术（CPM）中的决策支持。覆盖 AJCC v8 解剖分期 I、IA、IB、II、IIA、IIB、III、IIIA 期乳腺癌。主要目标是对一款在线决策支持工具进行现场测试，该工具向面临 CPM 决策的患者提供关于对侧乳腺癌预期发生率及 CPM 预期寿命获益的循证信息，设计用于临床环境，由患者与医生在共享决策过程中共同查看。可用于研究决策工具在乳腺癌手术咨询中的应用与效果（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：解剖分期 I 期乳腺癌 AJCC v8、解剖分期 IA 期乳腺癌 AJCC v8、解剖分期 IB 期乳腺癌 AJCC v8、解剖分期 II 期乳腺癌 AJCC v8、解剖分期 IIA 期乳腺癌 AJCC v8、解剖分期 IIB 期乳腺癌 AJCC v8、解剖分期 III 期乳腺癌 AJCC v8、解剖分期 IIIA 期乳腺癌 AJCC v8。主要目标：I. 将现场测试一款在线决策支持工具，该工具为面临对侧预防性乳腺癌（CPM）决策的患者提供关于对侧乳腺癌预期发生率及 CPM 预期寿命获益的循证信息。该工具将设计用于临床环境，由患者与医生在围绕 CPM 的共享决策过程中共同查看。概述：患者在与乳腺癌外科医生进行咨询期间使用决策工具，并……
【主题与分类】
主题标签：Anatomic Stage I Breast Cancer AJCC v8、Anatomic Stage IA Breast Cancer AJCC v8、Anatomic Stage IB Breast Cancer AJCC v8、Anatomic Stage II Breast Cancer AJCC v8、Anatomic Stage IIA Breast Cancer AJCC v8、Anatomic Stage IIB Breast Cancer AJCC v8、Anatomic Stage III Breast Cancer AJCC v8、Ductal Breast Carcinoma In Situ、Invasive Breast Carcinoma、Prognostic Stage I Breast Cancer AJCC v8。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02918474
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/NCT02918474
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
病情：解剖分期I期乳腺癌AJCC v8、解剖分期IA期乳腺癌AJCC v8、解剖分期IB期乳腺癌AJCC v8、解剖分期II期乳腺癌AJCC v8、解剖分期IIA期乳腺癌AJCC v8、解剖分期IIB期乳腺癌AJCC v8、解剖分期III期乳腺癌AJCC v8、解剖分期IIIA期乳腺癌AJCC v8。主要目标：I. 将实地测试一款在线决策支持工具，该工具为面临对侧预防性乳房切除术（CPM）决策的患者提供基于证据的信息，内容涉及对侧乳腺癌的预期发病率及CPM对预期寿命的获益。该工具设计用于临床环境，由患者和医生在围绕CPM的共同决策过程中共同查看。概要：患者在与乳腺癌外科医生会诊期间使用决策工具，并在会诊前后完成问卷。
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。
