术后放疗乳腺癌患者胸肌前假体即刻一期与两步法扩张器/假体乳房重建的前瞻性单中心队列研究
该数据集来自 clinicaltrials.gov 的一项前瞻性双队列研究，计划纳入超过 104 例 cT1-3N0-3M0 乳腺癌患者，比较胸肌前假体即刻一期重建与扩张器/假体两步法重建在术后辅助放疗下的疗效与安全性
基本信息
资源简介
术后放疗乳腺癌患者胸肌前假体即刻一期与两步法扩张器/假体乳房重建的前瞻性单中心队列研究
该数据集对应一项在 clinicaltrials.gov 登记的前瞻性、双队列临床研究，聚焦乳腺癌患者在术后辅助放疗条件下乳房重建方式的疗效与安全性比较。研究计划纳入超过 104 例 cT1-3N0-3M0 乳腺癌患者，分为胸肌前假体即刻一期重建组与扩张器/假体两步法重建组，并对术前术后 BREAST-Q 评分变化、术后并发症及包膜挛缩等信息进行记录。主要终点为术后 12 个月 BREAST-Q 评分，次要终点涵盖乳房重建成功率、手术并发症、医生评估的乳房美容效果、包膜挛缩发生情况、乳头与皮肤感觉以及肿瘤安全性。该数据集属于肿瘤/乳腺癌分类，主题标签为乳腺癌患者，可为乳房重建决策与放疗后管理研究提供结构化参考。
【数据集背景】
乳腺癌术后乳房重建是综合治疗的重要组成部分，而术后辅助放疗会影响重建方式的选择与结局。胸肌前假体即刻一期重建与扩张器/假体两步法重建是两种常见路径，但二者在放疗背景下的疗效与安全性比较仍需前瞻性证据。该研究以双队列设计，计划纳入超过 104 例 cT1-3N0-3M0 乳腺癌患者，针对上述两种重建方式在术后辅助放疗患者中的表现进行系统观察，数据集的建立即服务于这一临床问题的记录与分析。
【数据内容】
数据集围绕患者术前与术后的 BREAST-Q 评分变化展开，同时记录术后并发症、包膜挛缩等信息。主要终点为术后 12 个月 BREAST-Q 评分；次要终点包括乳房重建成功率、手术并发症、医生评估的乳房美容效果、包膜挛缩的发生、乳头与皮肤感觉以及肿瘤安全性。数据内容以这些终点指标为核心，覆盖患者报告结局与临床评估两类信息。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的前瞻性、单中心、双队列研究。研究计划纳入超过 104 例 cT1-3N0-3M0 乳腺癌患者，接受胸肌前假体即刻一期重建或扩张器/假体两步法重建，并接受术后放疗。数据采集依托该前瞻性队列设计，按研究方案记录术前术后 BREAST-Q 评分及相关临床信息。
【适用场景】
该数据集适用于乳腺癌术后乳房重建与辅助放疗相关的研究与临床决策参考，可用于比较胸肌前假体即刻一期重建与扩张器/假体两步法重建在放疗患者中的患者报告结局、并发症与美容效果等终点，也可为乳房重建成功率、包膜挛缩、乳头与皮肤感觉及肿瘤安全性等问题的分析提供数据基础。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07037576
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：乳腺癌患者。本研究为前瞻性、双队列研究。计划入组超过104例cT1-3N0-3M0乳腺癌患者，接受即刻胸肌前假体乳房重建或采用扩张器/假体的两步法乳房重建，并将接受术后放疗。记录患者手术前后BREAST-Q评分的变化，以及术后并发症和包膜挛缩等信息。主要终点为术后12个月时的BREAST-Q评分。次要终点包括乳房重建成功率、手术并发症、医生评估的乳房美容效果、包膜挛缩的发生情况、乳头及皮肤感觉以及肿瘤安全性。
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。
