乳腺X线摄影、早期检测生物标志物、风险评估与成像技术MERIT研究
MERIT研究是一项在clinicaltrials.gov登记的乳腺癌相关纵向队列数据集，计划纳入10000名接受常规年度乳腺X线摄影筛查的女性，随访至少五年或直至确诊乳腺癌
基本信息
资源简介
乳腺X线摄影、早期检测生物标志物、风险评估与成像技术MERIT研究
MERIT研究（Mammography, Early Detection Biomarkers, Risk Assessment, and Imaging Technologies）是一项在clinicaltrials.gov登记的乳腺癌相关纵向队列数据集，属于肿瘤/乳腺癌分类。该研究计划建立由10000名接受常规年度乳腺X线摄影筛查的女性组成的纵向队列，对每位研究参与者随访至少五年，或随访至确诊乳腺癌为止。研究同时建立血液标本库用于生物标志物的发现与验证，并构建整合影像、临床数据、健康测量与问卷信息的综合数据库。参与者需完成关于个人及家族癌症史、健康状况、乳腺癌危险因素、饮食、体重变化和身体活动的问卷，并在基线及随后五年内每年采集血液样本、接受标准诊疗乳腺X线摄影。
【数据集背景】
乳腺癌的早期发现与风险评估是肿瘤研究的重要方向。MERIT研究正是在这一背景下设计的多目标纵向队列研究，其首要目标包括三个方面：建立接受常规年度乳腺X线摄影筛查女性的长期随访队列；创建用于生物标志物发现和验证的血液标本库；建立涵盖影像、临床数据、健康测量和问卷数据的综合整合数据库。该研究以乳腺导管癌（Breast Carcinoma）为研究条件，主题标签为Breast Carcinoma。
【数据内容】
该数据集的内容围绕三类核心资源组织。其一是纵向队列数据，计划纳入10000名接受常规年度乳腺X线摄影筛查的女性，每位参与者随访至少五年或直至确诊乳腺癌。其二是血液标本库，来源于队列参与者在基线及随后每年采集的血液样本，用于生物标志物的发现与验证。其三是综合整合数据库，汇集研究参与者的影像数据、临床数据、健康测量数据与问卷数据。问卷内容涵盖个人及家族癌症史、健康状况、乳腺癌危险因素、饮食、体重变化和身体活动等方面，单次问卷完成时间约为15至25分钟。
【采集与来源】
该数据集来源于clinicaltrials.gov登记的研究项目。数据采集方式包括问卷填写、血液样本采集和乳腺X线摄影检查。问卷在研究中用于收集个人与家族癌症史、健康状态、乳腺癌风险因素、饮食、体重增加及身体活动等信息。血液样本在基线采集，随后每年采集一次，持续五年。乳腺X线摄影为标准诊疗项目，同样在基线进行，随后每年一次，持续五年。参与者的随访期至少为五年，或持续至乳腺癌确诊为止。
【适用场景】
基于其队列设计与数据构成，该数据集适用于乳腺癌早期检测生物标志物的发现与验证研究，可依托血液标本库开展相关工作。同时，整合了影像、临床、健康测量与问卷信息的综合数据库，可用于乳腺癌风险评估相关研究，以及影像技术与临床、生活方式因素联合分析等场景。纵向随访设计使其能够支持随时间变化的暴露与结局关系研究。源站未提供更具体的适用场景说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析指南。研究设计层面显示，参与者需完成15至25分钟的问卷，并在基线及随后五年内每年提供血液样本和接受标准诊疗乳腺X线摄影，但数据面向外部使用者的获取与分析流程未在源站描述中说明。
【质量与限制】
该数据集为计划纳入10000名参与者的纵向队列研究，随访至少五年或直至乳腺癌确诊，样本量与随访时长构成其设计特征。源站未提供关于数据质量评估、缺失值处理、样本代表性或其它质量与限制方面的具体说明。
【引用与许可】
源站未提供该数据集的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/NCT03408353
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。主要目标：I. 建立一个纵向队列（n=10,000），纳入接受常规年度乳腺X线摄影筛查的女性，对每名研究参与者进行至少五年的随访，或随访至乳腺癌诊断。II. 建立该队列的血样标本库，用于生物标志物的发现和验证。III. 建立一个综合整合数据库，包含研究参与者的影像学、临床数据、健康测量指标和问卷数据。概要：参与者完成耗时15-25分钟的问卷，内容涉及个人及家族癌症史、健康状况、乳腺癌危险因素、饮食、体重增加和体力活动，并在基线时以及随后每年采集血样，持续5年。参与者还在基线时以及随后每年接受标准治疗乳腺X线摄影，持续5年。
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。
