炎性乳腺癌前哨淋巴结活检的可行性与有效性

该数据集来自 clinicaltrials.gov,聚焦炎性乳腺癌(IBC)患者中前哨淋巴结活检(SLNB)的可行性与有效性研究

Case Comprehensive Cancer CenterCase Comprehensive Cancer Center
clinicaltrials
浏览 3
医学影像预测Breast Cancer
Feasibility and Effectiveness of Sentinel Lymph Node Biopsy in Inflammatory Breast Cancer

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-20

资源简介

炎性乳腺癌前哨淋巴结活检的可行性与有效性

该数据集来自 clinicaltrials.gov,聚焦炎性乳腺癌(IBC)患者中前哨淋巴结活检(SLNB)的可行性与有效性研究。源站描述指出,IBC 是一种罕见且侵袭性强的癌症,肿瘤细胞侵犯皮肤淋巴管导致乳房红肿,多数患者确诊时已属局部晚期,标准治疗为化疗后行乳房切除术加腋窝淋巴结清扫(ALND)、放疗及辅助治疗。随着治疗进步,乳房切除联合 ALND 的必要性受到质疑,部分医生主张以 SLNB 替代,但 SLNB 在 IBC 中的结果不一,美国许多医生仍使用蓝色染料或双示踪剂进行 SLNB。本研究旨在探究哨兵淋巴结的识别率。数据可用于评估 SLNB 在 IBC 中的临床应用价值(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:乳腺癌。炎性乳腺癌是一种罕见且侵袭性强的癌症,肿瘤细胞侵犯皮肤中的淋巴管,导致乳房出现红肿外观。大多数参与者确诊时已属局部晚期,标准治疗为化疗,随后行乳房切除术和腋窝淋巴结清扫、放射治疗,然后进行辅助治疗。但治疗的进步使人们质疑在 IBC 参与者中乳房切除术联合 ALND 是否仍然必要,一些医生主张选择前哨淋巴结活检。然而,在 IBC 参与者中进行 SLNB 的结果不一。尽管结果不一,美国许多医生仍在使用蓝色染料或双示踪剂进行 SLNB。本研究的目的是找出识别哨兵

【主题与分类】

主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07876986

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07876986

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:乳腺癌。炎性乳腺癌是一种罕见且侵袭性强的癌症类型,肿瘤细胞侵入皮肤内的淋巴管,导致乳房出现红肿外观。大多数参与者被诊断为局部晚期疾病,标准治疗为化疗,随后进行乳房切除术和腋窝淋巴结清扫、放射治疗,然后进行辅助治疗。然而,治疗的进步使人们质疑对于炎性乳腺癌参与者,乳房切除术联合腋窝淋巴结清扫是否仍然必要,一些医生主张将前哨淋巴结活检作为一种选择。然而,在炎性乳腺癌参与者中进行前哨淋巴结活检的结果喜忧参半。尽管结果喜忧参半,美国许多医生仍在使用蓝色染料或双示踪剂进行前哨淋巴结活检。本研究的目的是了解炎性乳腺癌参与者中前哨淋巴结的识别率、前哨淋巴结状态是否与更多阳性淋巴结相关,以及基于炎性乳腺癌亚型的完全缓解率。

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。

获取专属数据定制方案