乳腺癌与卵巢癌遗传易感性：BRCAx基因突变前瞻性研究
该数据集来自clinicaltrials.gov，聚焦携带BRCA基因突变的人群，覆盖乳腺癌与卵巢癌两类肿瘤。数据以携带BRCA基因突变的受试者队列为基础，围绕乳腺癌和卵巢癌的遗传易感性开展前瞻性研究
基本信息
资源简介
乳腺癌与卵巢癌遗传易感性：BRCAx基因突变前瞻性研究
该数据集英文名为 Genetic Predisposition to Breast and Ovarian Cancer: Prospective Study of BRCAx Gene Mutation，来源于 clinicaltrials.gov，本站归类为肿瘤 / 乳腺癌方向。其源站描述显示，研究条件涉及乳腺癌与卵巢癌，研究对象为携带 BRCA 基因突变的受试者队列，主题围绕乳腺癌和卵巢癌的遗传易感性展开。数据集聚焦携带 BRCA 基因突变的人群，覆盖乳腺癌与卵巢癌两类肿瘤，并以该人群队列为基础开展前瞻性研究。整体而言，该数据集为理解 BRCA 基因突变与乳腺癌、卵巢癌遗传易感性之间的关系提供了以受试者队列为核心的数据基础，适用于肿瘤遗传易感性相关的研究与分析场景。
【数据集背景】
该数据集来自 clinicaltrials.gov，属于肿瘤领域中乳腺癌相关分类。源站描述明确指出其研究条件包括乳腺癌与卵巢癌，研究对象为携带 BRCA 基因突变的受试者队列，研究主题为乳腺癌和卵巢癌的遗传易感性。数据集名称中包含“Prospective Study of BRCAx Gene Mutation”，表明其围绕 BRCAx 基因突变开展前瞻性研究。整体背景聚焦于遗传因素在乳腺癌与卵巢癌发生中的作用，以携带 BRCA 基因突变的人群作为核心研究对象。
【数据内容】
该数据集的主题标签为乳腺癌与卵巢癌，覆盖这两类肿瘤。数据以携带 BRCA 基因突变的受试者队列为基础，围绕乳腺癌和卵巢癌的遗传易感性开展前瞻性研究。源站描述中提及的条件为 Breast Cancers 与 Ovarian Cancers，队列为携带 BRCA 基因突变的受试者。除上述信息外，关于具体变量、字段结构、样本量、随访指标等内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示其研究类型为前瞻性研究，研究对象为携带 BRCA 基因突变、具有乳腺癌和卵巢癌遗传易感性的受试者队列。关于具体的采集方法、采集时间、采集机构、随访周期等信息，源站未提供。
【适用场景】
基于其主题与队列特征，该数据集适用于与乳腺癌和卵巢癌遗传易感性相关的研究场景，尤其是围绕携带 BRCA 基因突变人群的前瞻性研究。其主题标签覆盖乳腺癌与卵巢癌，可用于肿瘤遗传易感性方向的参考与分析。关于更具体的适用场景、分析任务类型或应用限制，源站未提供。
【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/NCT03667417
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
Conditions: Breast Cancers, Ovarian Cancers. Cohort of subjects carrying a BRCA gene mutation: genetic predispositions to breast and ovarian cancers
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。
