丙型肝炎筛查与乳腺X线摄影配对
该数据集来自clinicaltrials.gov,主题为丙型肝炎筛查与乳腺X线摄影配对,涉及Hepatitis C与Breast Cancer两种状况

基本信息
资源简介
丙型肝炎筛查与乳腺X线摄影配对
该数据集来自clinicaltrials.gov,主题为丙型肝炎筛查与乳腺X线摄影配对,涉及Hepatitis C与Breast Cancer两种状况。源站描述介绍了法国自2004年起开展的组织性乳腺癌筛查,覆盖50至74岁平均风险女性,并提及丙型肝炎在法国普通人群中的血清流行率及未察觉感染者的晚期诊断风险,以及新疗法可及性带来的筛查合理性。数据可用于探索将丙型肝炎筛查与乳腺X线摄影相结合的可行性研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:Hepatitis C、Breast Cancer。背景:法国自2004年起引入组织性乳腺癌筛查。该筛查针对50至74岁平均风险(无症状且无危险因素)的女性。这一系统性筛查覆盖约70%的可纳入女性。与此同时,估计有10%至15%的50至74岁女性作为个体检测流程的一部分接受筛查。丙型肝炎在法国普通人群中的血清流行率低于1%,但估计约有75,000名病毒携带者不知道自己的血清阳性状态。其中,晚期诊断的风险即肝硬化或肝细胞癌的风险。丙型肝炎筛查现在也是合理的,因为新疗法已可普遍获得且疗效显著(>95%)。这些泛基因型治疗疗程短
【主题与分类】
主题标签:Hepatitis C、Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05067374
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/NCT05067374
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:丙型肝炎、乳腺癌。背景:法国自2004年起已开展有组织的乳腺癌筛查。该筛查针对50至74岁、平均风险(无症状且无危险因素)的女性。这一系统性筛查覆盖了约70%的可纳入女性。与此同时,估计有10%至15%的50至74岁女性通过个体检测途径接受筛查。法国普通人群中丙型肝炎的血清流行率低于1%,但估计约有75,000名病毒携带者并不知晓自己的血清阳性状态。其中,延迟诊断的风险即为肝硬化或肝细胞癌的风险。如今丙型肝炎筛查也具有合理性,因为新型治疗药物已可普遍获得,且疗效显著(>95%)。这些泛基因型治疗疗程短,不良反应极少。世界卫生组织已设定到2030年消除肝炎的目标,而法国更进一步,提出了2025年的消除日期。若不改善筛查——这一获得治疗的关键基石——这些目标将无法实现。
因此,目标是在特定亚人群中提出针对性筛查,以组织微观消除现象。50岁以上女性构成一个高风险亚人群。目标:本研究的目的是评估50至74岁女性在接受系统性乳腺癌筛查的同时,通过TROD进行丙型肝炎筛查的依从率。研究的次要目标是在蒙彼利埃市接受乳腺癌筛查的50-74岁女性中,估计:* 丙型肝炎病毒感染的患病率 * 慢性丙型肝炎病毒感染的患病率 * 慢性丙型肝炎筛查阳性女性的丙型肝炎回顾性诊疗 cascade * 慢性丙型肝炎阳性患者获得丙型肝炎诊疗的情况 方法学:研究类型:前瞻性筛查程序评估研究。主要终点:-
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。




