大分割放疗对比乳腺癌标准治疗
本数据集来自 clinicaltrials.gov，聚焦乳腺癌保守手术后的放疗策略比较，覆盖导管原位癌、浸润性乳腺癌及 0 期、I 期、IA 期、IB 期等早期乳腺癌
基本信息
资源简介
大分割放疗对比乳腺癌标准治疗
本数据集来自 clinicaltrials.gov，聚焦乳腺癌保守手术后的放疗策略比较，覆盖导管原位癌、浸润性乳腺癌及 0 期、I 期、IA 期、IB 期等早期乳腺癌。主要目标是比较大分割放疗（1 周）与标准治疗（3.1 周）在局部控制上的效果，次要目标涉及肿瘤组织学谱系、细胞分化程度、雌激素/孕激素/HER-2NEU 受体状态、进展或复发频率与部位，以及两组毒性发生频率、严重程度和按时间顺序的分类。可用于放疗疗效与安全性相关的预测建模研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：导管原位癌、浸润性乳腺癌、早期乳腺癌、0 期乳腺癌、I 期乳腺癌、IA 期乳腺癌、IB 期乳腺癌。主要目标：I. 比较大分割放疗（1 周）与标准治疗（3.1 周）在保守手术治疗乳腺癌局部控制中的有效性。次要目标：I. 确定肿瘤的组织学谱系。II. 确定肿瘤细胞的分化程度。III. 通过免疫组织化学确定受体的存在和类型（雌激素、孕激素、HER-2NEU）。IV. 测量进展或复发的频率。V. 确定进展或复发的部位。VI. 测量两组中毒性的频率。VII. 根据严重程度对毒性进行分类。VIII. 根据时间顺序对毒性进行分类
【主题与分类】
主题标签：Ductal Breast Carcinoma in Situ、Invasive Breast Cancer、Early-stage Breast Cancer、Stage 0 Breast Cancer、Stage I Breast Cancer、Stage IA Breast Cancer、Stage IB Breast Cancer。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05318274
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/NCT05318274
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
疾病类型：导管原位乳腺癌、浸润性乳腺癌、早期乳腺癌、0期乳腺癌、I期乳腺癌、IA期乳腺癌、IB期乳腺癌。主要目的：I. 比较低分割放疗（1周）与标准治疗（3.1周）在保守手术治疗乳腺癌局部控制中的有效性。次要目的：I. 确定肿瘤的组织学谱系。II. 确定肿瘤细胞的分化程度。III. 通过免疫组化确定受体（雌激素、孕激素、HER-2NEU）的存在及类型。IV. 测量进展或复发的频率。V. 确定进展或复发的部位。VI. 测量两组毒性反应的频率。VII. 根据严重程度对毒性反应进行分类。VIII. 根据出现时间（急性、亚急性或慢性）对毒性反应进行分类。IX. 根据欧洲癌症研究与治疗组织乳腺癌特异性生活质量量表（EORTC，QLQ-BR23）测量两组的生活质量。X.
根据东部肿瘤协作组（ECOG）体能状态量表，评估两组患者的生活质量。XI. 评估5年生存率。大纲：患者被随机分配到2个治疗组之一。第一组：将接受大分割放疗，全乳26 Gy分5次照射。第二组：将接受标准分割放疗，42.5 Gy分16次照射，并对高风险患者的瘤床同步加量5.5 Gy。治疗完成后，将对患者进行随访：最后一次照射后2周、最后一次照射后6周，以及接下来5年内每4个月一次。
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。
