Electronic Xoft跨学会近距离放疗试验:电子近距离放疗治疗早期乳腺癌
该数据集来自clinicaltrials.gov,属于肿瘤/乳腺癌领域,为一项多中心、非随机、上市后注册研究,评估腔内加速部分乳腺照射在合适筛选患者中的应用

基本信息
资源简介
Electronic Xoft跨学会近距离放疗试验:电子近距离放疗治疗早期乳腺癌
该数据集来自clinicaltrials.gov,属于肿瘤/乳腺癌领域,为一项多中心、非随机、上市后注册研究,评估腔内加速部分乳腺照射在合适筛选患者中的应用。计划入组约400例患者,最多100家美国合格机构参与。主要终点为皮下毒性和皮肤毒性,在6个月及1至5年随访时记录。数据可用于分析早期乳腺癌患者接受电子近距离放疗后的毒性发生情况与随访结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、癌、肿块切除术、导管原位癌。主要研究者 Rakesh Patel,MD-放射肿瘤学家 Peter Beitsch,MD-乳腺外科医生。注册设计 多中心、非随机、上市后注册研究,针对适当选择患者进行腔内加速部分乳腺照射。样本量和中心: 可能入组约400名患者。 最多100家合格的美国中心可能参与该注册研究。终点:1. 主要终点 皮下毒性——皮下毒性的体征和症状发生率将在以下随访时记录;在六(6)个月、一(1)年、两(2)年、三(3)年、四(4)年和五(5)年。* 皮肤毒性——可能由放射治疗引起的特定毒性将在每次随访时记录。常见不良事件术语标准
【主题与分类】
主题标签:Breast Cancer、Carcinoma、Lumpectomy、Ductal Carcinoma in Situ。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00742222
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/NCT00742222
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:乳腺癌、癌、肿块切除术、导管原位癌。主要研究者 * Rakesh Patel,医学博士-放射肿瘤学家 * Peter Beitsch,医学博士-乳腺外科医生 登记设计 * 多中心、非随机、上市后登记,针对适当选择患者中的腔内加速部分乳腺照射。样本量和地点: * 可能入组约400名患者。 * 最多100家合格的美国站点可能参与本登记。终点: 1. 主要终点 * 皮下毒性 - 在以下随访时记录皮下毒性的体征和症状发生率;在六(6)个月、一(1)年、两(2)年、三(3)年、四(4)年和五(5)年时。 * 皮肤毒性 - 在每次随访时记录可能由放射治疗引起的特定毒性。将使用不良事件通用术语标准,并在每次随访时记录;在一(1)个月、六(6)个月、一(1)年、两(2)年、三(3)年、四(4)年和五(5)年时。
- 美容效果——将在以下随访时记录美容效果:1个月、6个月、1年、2年、3年、4年和5年。美容效果将通过两种方式进行评估和分级:* 患者生活质量问卷——将在以下访视时完成生活质量问卷(QOL):1个月、6个月、1年、2年、3年、4年和5年。2. 次要终点 * 局部-区域乳腺失败——次要疗效终点是5年时的同侧乳腺失败。这包括:* 初始治疗体积内的同侧复发。(瘤床内)* 初始治疗体积外的同侧癌症复发。(其他部位失败)* 腋窝淋巴结复发 * 生存——将在每次随访时记录 * 总生存 * 无病生存 * 设备性能——将在
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。




