亚麻籽预防有乳腺癌风险的绝经前女性乳腺癌
本数据集来自 clinicaltrials.gov,主题为亚麻籽用于预防有乳腺癌风险的绝经前女性发生乳腺癌,属于肿瘤/乳腺癌领域

基本信息
资源简介
亚麻籽预防有乳腺癌风险的绝经前女性乳腺癌
本数据集来自 clinicaltrials.gov,主题为亚麻籽用于预防有乳腺癌风险的绝经前女性发生乳腺癌,属于肿瘤/乳腺癌领域。源站描述显示该研究为随机研究,受试者随机分入两组,干预组每日摄入25克研磨亚麻籽并随已备好的食物服用,持续6个月,同时记录摄入时间、搭配食物及每日排便次数。研究主要评估亚麻籽补充对增殖(ki-67)与凋亡率、雌激素调控基因(Cyclin D1、survivin、VEGF)表达、血清IGF-1及IGFBP-3水平的影响,并评价其可行性与耐受性及依从性下降因素。数据可用于乳腺癌化学预防相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、癌前病变。目标:主要目标: 确定每日补充25克亚麻籽是否 在六个月后改变增殖(ki-67)和凋亡率 在六个月时改变雌激素调控基因的表达:Cyclin D1、survivin和VEGF 从基线到6个月改变血清IGF-1和血清结合蛋白(IGFBP)-3水平 并评估食用亚麻籽的可行性和耐受性,并确定导致依从性下降的因素。研究大纲:这是一项随机研究。患者被随机分配到2个组中的1组。 第I组(干预):患者每日随已备好的食物摄入25克研磨亚麻籽,持续6个月。指导患者记录食用亚麻籽的时间、与何种食物一起食用,以及每日排便次数。在整个6个月的干预期间,患者……
【主题与分类】
主题标签:Breast Cancer、Precancerous Condition。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00794989
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/NCT00794989
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,癌前病变。目的:主要目标:* 确定每日补充25克亚麻籽是否* 在六个月后改变增殖(ki-67)和凋亡率* 在六个月时改变雌激素调节基因的表达:细胞周期蛋白D1、生存素和VEGF * 从基线到6个月改变血清IGF-1和血清结合蛋白(IGFBP)-3水平* 并评估亚麻籽消费的可行性和耐受性,以及确定导致依从性下降的因素。研究大纲:这是一项随机研究。患者被随机分配到2个组中的1个。* 第一组(干预):患者每天摄入25克磨碎的亚麻籽,与已准备好的食物一起,持续6个月。患者被指示记录摄入亚麻籽的时间、与哪些食物一起摄入,以及每天的排便次数。在整个6个月的干预期内,患者还完成未经通知的电话 administered 调查,回顾过去24小时内消费的所有食物和饮料。* 第二组(观察):患者不接受磨碎的亚麻籽。
所有患者需完成一份关于月经周期持续时间及经前症状(如绞痛、腹胀、头痛、失眠或其他不规则症状)是否存在或改善的日记。患者还需在1、3和6个月时完成问卷,以评估饮食、体力活动、月经史、人口学特征和病史的变化,并在基线及1、3和6个月时完成一份标本问卷。在基线及1、3和6个月时采集血液和晨尿样本,用于测定木脂素代谢物水平、亚麻籽依从性、血清硫氰酸盐、丙二醛,并通过毛细管气相色谱-质谱联用、高效液相色谱和ELISA进行生物标志物研究。研究治疗完成后,对患者每月随访一次,持续至6个月。
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。




