LYMPHA 手术预防腋窝淋巴结清扫术后淋巴水肿
该数据集来自 clinicaltrials.gov，聚焦乳腺癌治疗相关的淋巴水肿问题，收录一项评估在腋窝淋巴结清扫时实施低风险淋巴重建手术（LYMPHA）能否降低淋巴水肿发生风险的研究，同时关注该手术对淋巴水肿客观结局与患者生活质量的改善作用
基本信息
资源简介
LYMPHA 手术预防腋窝淋巴结清扫术后淋巴水肿
该数据集来自 clinicaltrials.gov，聚焦肿瘤领域的乳腺癌方向，围绕乳腺癌治疗相关的淋巴水肿问题展开。淋巴水肿是一种慢性、进行性且使人衰弱的疾病，通常因淋巴系统受到破坏或阻塞而发生，而这种情况在乳腺癌治疗中较为常见。数据集收录的研究旨在评估：在腋窝淋巴结清扫时实施低风险淋巴重建手术（LYMPHA）能否降低淋巴水肿的发生风险；同时关注该手术能否改善淋巴水肿的客观结局以及患者的生活质量。数据集以淋巴水肿与乳腺癌为核心主题标签，为相关临床研究与患者管理提供参考信息。
【数据集背景】
淋巴水肿是乳腺癌治疗过程中常见的并发症之一，其发生与淋巴系统受到破坏或阻塞密切相关。该疾病具有慢性、进行性和使人衰弱的特点，对患者的长期健康与生活状态构成持续影响。腋窝淋巴结清扫是乳腺癌治疗中的重要环节，而这一操作本身可能增加淋巴水肿的发生风险。基于这一背景，相关研究试图探索在腋窝淋巴结清扫的同时实施低风险淋巴重建手术（LYMPHA）的潜在价值，以期为降低淋巴水肿风险、改善患者结局提供依据。该数据集即围绕这一研究主题组织相关信息。
【数据内容】
数据集的主题标签为淋巴水肿与乳腺癌，涵盖的疾病条件包括淋巴水肿与乳腺癌。研究关注的核心内容包括两个方面：其一，确定在腋窝淋巴结清扫时使用低风险淋巴重建手术是否能降低淋巴水肿的发生风险；其二，确定该手术是否能改善淋巴水肿的客观结局以及患者的生活质量。数据内容围绕上述研究目的展开，涉及淋巴水肿风险、客观结局指标与生活质量等主题方向。关于具体变量、字段结构、样本量或测量工具等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于肿瘤分类下的乳腺癌方向。其信息基于该来源站所收录的研究描述，研究条件涉及淋巴水肿与乳腺癌。关于采集时间、采集方法、数据更新频率以及具体的注册信息编号等，源站未提供。
【适用场景】
该数据集适用于关注乳腺癌治疗相关淋巴水肿的研究与临床场景，可帮助了解在腋窝淋巴结清扫时实施低风险淋巴重建手术（LYMPHA）以降低淋巴水肿风险的研究思路，以及该手术对淋巴水肿客观结局和患者生活质量的潜在改善作用。其主题标签与疾病条件信息可用于相关领域的检索、归类与背景参考。关于具体的建模、统计分析或临床决策支持等应用方式，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、数据结构说明、字段定义或分析操作指引等。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的研究描述，围绕淋巴水肿与乳腺癌主题组织。关于数据完整性、准确性验证、样本规模、偏倚控制以及数据更新状态等质量相关信息，源站未提供。使用时应结合来源站的具体研究记录进行核实。
【引用与许可】
源站未提供引用格式与许可信息。
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/NCT05366699
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：淋巴水肿、乳腺癌、淋巴水肿。淋巴水肿是一种慢性、进行性且使人衰弱的疾病，发生于淋巴系统中断或阻塞时，通常由乳腺癌治疗引起。本研究的目的是确定在腋窝淋巴结清扫时采用低风险淋巴重建手术是否会降低发生淋巴水肿的风险。此外，还旨在确定该手术是否能改善淋巴水肿的客观结局和患者的生活质量。
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。
