IV期小叶癌疾病范围:影像与液体活检分析
该数据集来自 clinicaltrials.gov,聚焦转移性浸润性小叶乳腺癌(ILC)。ILC 因 E-cadherin 缺失和弥漫性生长,使 CT 或 18F-FDG PET/CT 等标准影像难以检出转移,疾病负荷常被低估

基本信息
资源简介
IV期小叶癌疾病范围:影像与液体活检分析
该数据集来自 clinicaltrials.gov,聚焦转移性浸润性小叶乳腺癌(ILC)。ILC 因 E-cadherin 缺失和弥漫性生长,使 CT 或 18F-FDG PET/CT 等标准影像难以检出转移,疾病负荷常被低估。数据集涉及全身扩散加权磁共振成像(WB-DWI/MRI)这一无辐射技术,以及液体活检分析,用于评估 ILC 的疾病范围。可用于探索 ILC 转移检测的影像与活检方法,支持疾病负荷评估相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:浸润性小叶乳腺癌。转移性浸润性小叶癌(ILC)是一种独特的乳腺癌亚型,其特征是 E-cadherin 缺失和弥漫性生长模式,使得转移灶难以通过计算机断层扫描(CT)或 18F-氟脱氧葡萄糖正电子发射断层扫描(18F-FDG PET)/CT 等标准影像学检测。因此,ILC 患者的疾病负荷常被低估,进展发现晚于临床最佳时机,许多患者因可测量病灶不足而被排除在临床试验之外。全身扩散加权磁共振成像(WB-DWI/MRI)是一种无辐射的影像技术,已证明对检测 ILC 转移灶(包括腹膜、骨和淋巴结病变)具有更高的敏感性。回顾性研究表明,WB-DWI/MRI 可以识别临床相关的
【主题与分类】
主题标签:Invasive Lobular Breast Carcinoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07635654
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/NCT07635654
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:浸润性小叶乳腺癌。转移性浸润性小叶癌(ILC)是一种独特的乳腺癌亚型,其特征为E-钙黏蛋白缺失及弥漫性生长模式,使得采用计算机断层扫描(CT)或18F-氟脱氧葡萄糖正电子发射断层扫描(18F-FDG PET)/CT等标准影像学检查难以发现转移灶。因此,ILC患者的疾病负荷常被低估,疾病进展的识别晚于临床最佳时机,且许多患者因可测量病灶不足而被排除在临床试验之外。全身扩散加权磁共振成像(WB-DWI/MRI)是一种无辐射的影像学技术,已证实其对检测ILC转移灶——包括腹膜、骨骼及淋巴结病变——具有更高的敏感性。回顾性研究提示,WB-DWI/MRI能够识别标准影像学检查无法显示的临床相关疾病进展。然而,ILC领域尚缺乏前瞻性证据。
循环肿瘤DNA(ctDNA)也显示出作为微创生物标志物用于监测治疗反应的潜力,早期分子变化往往先于影像学进展,但针对ILC的特异性数据仍然有限。DELILA研究是一项在鲁汶大学医院和Jules Bordet研究所开展的前瞻性、多中心临床试验。该研究旨在入组43例开始接受一线全身治疗的转移性激素受体阳性人表皮生长因子受体2阴性(HR+/HER2-)ILC患者。参与者在基线、1个月时以及大约每3个月接受系列双模态成像——全身弥散加权成像/磁共振成像(WB-DWI/MRI)和标准治疗成像,持续至多30个月或直至疾病进展。在每个成像时间点,采集血样用于ctDNA分析和Ca15.3肿瘤标志物评估。使用经过验证的问卷评估患者因重复成像和采血而承受的心理负担。主要目的是评估WB-DWI/MRI在检测
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。




