MEDIRAD-BRACE：乳腺癌放疗低剂量辐射暴露与急性冠脉事件研究
该数据集来自 clinicaltrials.gov，聚焦女性乳腺癌患者在接受放疗后心脏结构三维剂量分布与急性冠脉事件及其他心脏并发症风险的关系
基本信息
资源简介
MEDIRAD-BRACE：乳腺癌放疗低剂量辐射暴露与急性冠脉事件研究
该数据集英文名为 Implications of MEDIcal Low Dose RADiation Exposure - BReast Cancer Acute Coronary Events（简称 MEDIRAD-BRACE），来源于 clinicaltrials.gov，本站将其归入肿瘤 / 乳腺癌分类。数据集聚焦女性乳腺癌患者群体，围绕放疗后心脏结构的三维剂量分布与急性冠脉事件及其他心脏并发症风险之间的关系展开，主题标签包括 Breast Cancer Female、Acute Coronary Events 与 Cardiac Complications。其核心目标在于刻画心脏受照剂量特征与心脏不良事件风险之间的关联，并据此发展风险评估工具，为乳腺癌放疗患者的心脏安全性评估提供依据。
【数据集背景】
乳腺癌是女性常见的恶性肿瘤之一，放射治疗是其综合治疗的重要组成部分。随着患者生存期延长，放疗对心脏等正常组织的远期影响日益受到关注。MEDIRAD-BRACE 研究正是在这一背景下提出，关注女性乳腺癌患者接受放疗后心脏结构所受剂量与急性冠脉事件（ACE）及其他心脏并发症之间的关系。该研究旨在确定心脏结构三维剂量分布与急性冠脉事件风险之间的关联，并在此基础上开发多变量正常组织并发症概率（NTCP）模型，用于评估个体患者在乳腺癌放疗后最初 10 年内发生 ACE 的风险，并对模型进行外部验证。
【数据内容】
该数据集涉及的条件包括女性乳腺癌、急性冠脉事件与心脏并发症。其内容围绕心脏结构的三维剂量分布以及急性冠脉事件和其他心脏并发症的发生情况展开，服务于心脏剂量指标与 ACE 风险关系的分析，以及多变量 NTCP 模型的开发与外部验证。除上述主题范围外，具体变量字段、样本规模、随访记录形式等细节源站未提供。
【采集与来源】
数据集来源站为 clinicaltrials.gov，属于登记于该平台的临床研究相关数据资源。其研究设计、采集流程、数据获取方式与时间范围等具体信息源站未提供。
【适用场景】
该数据集适用于乳腺癌放疗相关的心脏安全性研究，尤其是评估心脏结构三维剂量分布与急性冠脉事件及其他心脏并发症风险之间关系的分析场景；也可用于支持多变量 NTCP 模型的开发与外部验证，从而在个体层面评估乳腺癌放疗后最初 10 年内发生 ACE 的风险。其他潜在应用场景源站未提供。
【使用方法】
源站未提供具体的使用方法、数据访问方式或分析流程说明。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或使用限制的说明。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT03211442
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：女性乳腺癌、急性冠脉事件、心脏并发症。MEDIRAD-BRACE旨在确定心脏结构中的三维剂量分布与乳腺癌（BC）患者发生急性冠脉事件（ACE）及其他心脏并发症风险之间的关系，以开发并外部验证多变量正常组织并发症概率（NTCP）模型，从而基于乳腺癌放疗后最初10年的心脏剂量指标评估个体患者发生ACE的风险。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
