新诊断单侧乳腺癌女性的磁共振成像

该数据集来自 clinicaltrials.gov,聚焦近期诊断为单侧乳腺癌且对侧乳腺钼靶和临床乳腺检查均为阴性的女性,评估磁共振成像(MRI)在检查对侧乳腺时的诊断价值

American College of Radiology Imaging NetworkAmerican College of Radiology Imaging Network
clinicaltrials
浏览 4
医学影像预测Breast CancerContralateral Breast Cancer
Magnetic Resonance Imaging in Women Recently Diagnosed With Unilateral Breast Cancer

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-17

资源简介

新诊断单侧乳腺癌女性的磁共振成像

该数据集来自 clinicaltrials.gov,聚焦近期诊断为单侧乳腺癌且对侧乳腺钼靶和临床乳腺检查均为阴性的女性,评估磁共振成像(MRI)在检查对侧乳腺时的诊断价值。研究覆盖 MRI 的癌症检出率、敏感性、特异性、阳性预测值及 ROC 曲线,并分析年龄、乳腺实质密度和肿瘤组织学类型对 MRI 表现的影响。这是一项多中心研究,可用于乳腺癌对侧评估、影像诊断效能分析及相关预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:乳腺癌、对侧乳腺癌。目标: 确定磁共振成像(MRI)在评估近期单侧诊断为乳腺癌且对侧乳腺钼靶和临床乳腺检查均为阴性的女性对侧乳腺时的诊断率。 确定 MRI 在评估这些患者时的敏感性、特异性、对额外影像复查和活检建议的阳性预测值,以及受试者工作特征曲线。* 确定以下患者相关因素对 MRI 表现(癌症检出率、敏感性、特异性和 PPV)的影响:年龄(50 岁及以上 vs 小于 50 岁)、乳腺实质密度(脂肪型 vs 非脂肪型乳腺)和肿瘤组织学(浸润性小叶癌 vs 浸润性导管癌,浸润性 vs 原位)。概述:这是一项多中心研究。患者

【主题与分类】

主题标签:Breast Cancer、Contralateral Breast Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00058058

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT00058058

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:乳腺癌,对侧乳腺癌。目的:* 确定磁共振成像(MRI)在评估近期单侧诊断为乳腺癌且对侧乳腺X线摄影和临床乳腺检查阴性的女性对侧乳腺时的诊断率。* 确定MRI在评估这些患者时的敏感性、特异性、额外成像召回和活检建议的阳性预测值,以及接收者操作特征曲线。* 确定以下患者相关因素对MRI性能(癌症检出率、敏感性、特异性和PPV)的影响:年龄(50岁及以上 vs 小于50岁)、乳腺实质密度(脂肪型 vs 非脂肪型乳腺)和肿瘤组织学(浸润性小叶癌 vs 浸润性导管癌,浸润性 vs 原位)。大纲:这是一项多中心研究。患者接受钆喷酸葡胺静脉注射,然后进行对侧乳腺的磁共振成像。患者在12-18个月和24-30个月时进行随访。预计入组:本研究将共入组1,000名患者。

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。