冷冻疗法预防乳腺癌化疗所致睫毛脱落效果研究
该数据集来自 clinicaltrials.gov,聚焦乳腺癌患者化疗引起的脱发问题,特别是眉毛和睫毛脱落(madarosis)

基本信息
资源简介
冷冻疗法预防乳腺癌化疗所致睫毛脱落效果研究
该数据集来自 clinicaltrials.gov,聚焦乳腺癌患者化疗引起的脱发问题,特别是眉毛和睫毛脱落(madarosis)。数据覆盖蒽环类或紫杉类化疗相关副作用,旨在评估眶上冷冻疗法预防睫毛脱落的疗效,并量化对照组眉毛和睫毛脱发程度。可用于肿瘤支持治疗、脱发预防及临床试验方法学研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺肿瘤、脱发、睫毛脱落、眉毛疾病、睫毛疾病、蒽环类药物、紫杉类药物、副作用。背景:化疗引起的脱发(CIA)是乳腺癌患者最痛苦的不良反应之一,尤其是涉及眉毛和睫毛脱落(睫毛脱落)时。虽然头皮冷冻疗法已证明可减少CIA,但尚无预防睫毛脱落的标准方案。初步研究表明局部冷冻疗法可能减轻这一效应,但缺乏有力证据。目的:主要目的是评估眶上冷冻疗法预防乳腺癌患者蒽环类或紫杉类诱导的睫毛脱落的疗效。次要目的包括:(1)量化对照组化疗引起的眉毛脱发(睫毛脱落)和睫毛脱发(睫毛脱落),(2)开发一种新的脱发……
【主题与分类】
主题标签:Breast Neoplasms、Alopecia、Madarosis、Eyebrow Diseases、Eyelash Diseases、Anthracyclines、Taxoids、Side Effects。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06955702
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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/NCT06955702
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:乳腺肿瘤、脱发、睫毛脱落、眉毛疾病、睫毛疾病、蒽环类药物、紫杉类药物、副作用。背景:化疗所致脱发(CIA)是乳腺癌患者最令人痛苦的不良反应之一,尤其是当涉及眉毛和睫毛脱落(睫毛脱落)时。虽然头皮冷冻疗法已证明可有效减少CIA,但尚无预防睫毛脱落的标准化方案。初步研究表明,局部冷冻疗法可能减轻这一效应,但缺乏有力证据。目的:主要目的是评估眶上冷冻疗法预防乳腺癌患者蒽环类或紫杉类所致睫毛脱落的疗效。
次要目标包括:(1)量化对照组中化疗引起的眉毛脱落(睫毛脱落)和睫毛脱落(睫毛脱落)情况;(2)开发一种新的眉毛和睫毛脱发分类量表(目前尚不存在);(3)使用经过验证的问卷“欧洲癌症研究与治疗组织生活质量问卷-BR23(EORTC QLQ-BR23)”和睫毛满意度问卷(ESQ)评估对生活质量的影响;(4)监测冷冻疗法相关不良事件(如头痛、局部疼痛)。方法:这项非随机、准实验性多中心试验将在萨拉曼卡和桑坦德的医院进行。研究人群将包括120名接受蒽环类/紫杉烷类化疗的乳腺癌患者(样本量可能根据招募情况调整)。纳入标准:年龄>18岁、近期诊断且未接受过既往治疗的女性。干预组将在化疗输注前15分钟使用温控设备(-4°C至-7°C)进行眶上冷冻疗法,并在输注后维持20分钟。
结局指标:主要结局将通过以下方式评估:* 在四个时间点进行摄影测量分析(TIDOP研究组):基线、治疗中期、治疗结束和1个月随访。毛发保留情况将使用自动化AI算法进行量化。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




