MAMMI-BB PET监测乳腺癌新辅助治疗反应

该数据集来自clinicaltrials.gov,为一项前瞻性、单中心、开放标签、单臂研究,评估MAMMI-BB正电子发射断层扫描(PET)在监测乳腺癌伴基线腋窝淋巴结受累患者新辅助治疗反应中的作用

Fudan UniversityFudan University
clinicaltrials
浏览 9
其他预测Breast CancerNeoadjuvant TherapyAxilla; Breast
MAMMI-BB PET for Monitoring Response to Neoadjuvant Therapy in Breast Cancer

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

MAMMI-BB PET监测乳腺癌新辅助治疗反应

该数据集来自clinicaltrials.gov,为一项前瞻性、单中心、开放标签、单臂研究,评估MAMMI-BB正电子发射断层扫描(PET)在监测乳腺癌伴基线腋窝淋巴结受累患者新辅助治疗反应中的作用。通过系列PET检查测量乳腺病灶和腋窝淋巴结的最大标准化摄取值(SUVmax)变化,并与手术病理比较,以分别评估其预测乳腺和腋窝病理完全缓解的能力,并确定最具信息量的评估时间点。同时探索PET参数与长期结局(包括无进展生存期和疾病无进展生存期)之间的关联。数据可用于预测病理完全缓解及长期结局的研究(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、新辅助治疗、腋窝;乳腺。这项前瞻性、单中心、开放标签、单臂研究将评估MAMMI-BB正电子发射断层扫描(PET)在监测乳腺癌伴基线腋窝淋巴结受累患者新辅助治疗反应中的作用。系列PET检查将测量乳腺病灶和腋窝淋巴结中最大标准化摄取值(SUVmax)的变化。这些变化将与手术病理进行比较,以分别评估其预测乳腺和腋窝病理完全缓解的能力,并确定最具信息量的评估时间点。还将探索PET参数与长期结局(包括无进展生存期和疾病无进展生存期)之间的关联。

【主题与分类】

主题标签:Breast Cancer、Neoadjuvant Therapy、Axilla; Breast。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07875244

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

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/NCT07875244

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、新辅助治疗、腋窝;乳腺。这项前瞻性、单中心、开放标签、单臂研究将评估MAMMI-BB正电子发射断层扫描(PET)在监测乳腺癌且基线腋窝淋巴结受累患者对新辅助治疗反应中的作用。系列PET检查将测量乳腺病灶和腋窝淋巴结中最大标准化摄取值(SUVmax)的变化。这些变化将与手术病理进行比较,以评估其分别在乳腺和腋窝预测病理完全缓解的能力,并确定信息量最大的评估时间点。还将探讨PET参数与长期结局(包括无进展生存期和无病生存期)之间的关联。

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。

获取专属数据定制方案