早期乳腺癌保乳术后IORT注册研究
该数据集来自clinicaltrials.gov的前瞻性注册研究，纳入65岁及以上早期低风险乳腺癌女性，接受部分乳房切除术联合术中放疗（IORT）
基本信息
资源简介
早期乳腺癌保乳术后IORT注册研究
IORT Following Breast Conserving Surgery for Early Stage Breast Cancer Registry 是一项来自 clinicaltrials.gov 的前瞻性注册研究数据集，聚焦于早期低风险乳腺癌女性在接受部分乳房切除术联合术中放疗（IORT）后的结局观察。该研究纳入 65 岁及以上的女性患者，主要目标是确定 5 年乳腺内肿瘤复发风险，次要目标涵盖急性与晚期毒性、美容效果、无病生存期和总生存期。数据集在分类上归属于肿瘤 / 乳腺癌主题，主题标签为 Breast Cancer，可为乳腺癌保乳手术联合术中放疗领域的临床研究与分析提供注册研究层面的数据参考。
【数据集背景】
该数据集对应的是一项前瞻性、注册性试验，研究对象为 65 岁及以上、早期、低风险且计划接受部分乳房切除术与术中放疗（IORT）的女性乳腺癌患者。研究设计的核心问题在于评估这一特定人群在接受保乳手术联合 IORT 后的长期肿瘤学结局，其中主要目标为确定 5 年乳腺内肿瘤复发风险。这一背景决定了数据集围绕老年早期低风险乳腺癌患者的治疗与随访结局展开，具有明确的临床问题导向。
【数据内容】
依据源站描述，该注册研究的主要终点为 5 年乳腺内肿瘤复发风险；次要目标包括急性毒性与晚期毒性的识别、美容效果评价、无病生存期以及总生存期。数据集的主题标签为 Breast Cancer，所属分类为肿瘤 / 乳腺癌。除上述终点与主题信息外，源站未提供关于具体变量字段、样本量、随访时间点、数据表结构等更细化的数据内容说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于前瞻性注册试验所产生的数据。研究纳入对象为 65 岁及以上、早期、低风险并接受部分乳房切除术联合术中放疗（IORT）的女性乳腺癌患者。源站描述未提供具体的采集机构、采集时间窗口、数据录入方式、随访频率以及数据管理流程等信息。
【适用场景】
基于其研究设计与终点设置，该数据集适用于围绕老年早期低风险乳腺癌患者保乳手术联合术中放疗的临床研究场景，例如乳腺内肿瘤复发风险的评估、治疗相关急性与晚期毒性的分析、美容效果的评价，以及无病生存期与总生存期等生存结局的观察。其注册研究性质也使其可用于与同类治疗策略或人群特征的对照性讨论。源站未提供该数据集在其他具体应用场景中的使用说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取途径、访问权限、数据结构说明、统计分析方法建议或配套文档等信息。
【质量与限制】
该数据集为前瞻性注册研究，研究对象限定为 65 岁及以上、早期、低风险并接受部分乳房切除术联合 IORT 的女性乳腺癌患者，这一人群与治疗限定构成了其结论外推的主要边界。源站未提供关于样本量、数据完整性、缺失值处理、随访依从性、偏倚控制以及质量控制措施等方面的信息，因此无法进一步评述其数据质量特征。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT03536897
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。这是一项前瞻性注册试验，将纳入65岁及以上、患有早期低风险乳腺癌的女性，她们将接受部分乳房切除术和术中放射治疗（IORT）。主要目的是确定5年内乳房内肿瘤复发的风险。次要目的包括识别急性和晚期毒性、美容效果、无病生存率和总生存率。
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。
