疑似导管原位癌患者的分子乳腺成像(MBI)研究

该数据集来自 clinicaltrials.gov,聚焦疑似导管原位癌(DCIS)患者的分子乳腺成像(MBI)研究。研究对象为经乳腺影像专科医生判定为可疑或高度可疑 DCIS、计划接受乳腺活检的患者,计划招募 200 人

Mayo ClinicMayo Clinic
clinicaltrials
浏览 10
医学影像分类Breast Cancer
Molecular Breast Imaging (MBI) in Patients With Suspected Ductal Carcinoma in Situ (DCIS)

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-17

资源简介

疑似导管原位癌患者的分子乳腺成像(MBI)研究

该数据集来自 clinicaltrials.gov,聚焦疑似导管原位癌(DCIS)患者的分子乳腺成像(MBI)研究。研究对象为经乳腺影像专科医生判定为可疑或高度可疑 DCIS、计划接受乳腺活检的患者,计划招募 200 人。入组条件包括乳腺 X 线摄影显示可疑钙化范围小于 3 cm,或超声/MRI 发现非局灶性异常并计划活检。每名患者将在活检前立即接受 MBI 检查。数据可用于乳腺癌早期诊断、DCIS 识别及影像学检查流程相关研究(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。根据乳腺 X 线摄影发现疑似患有 DCIS 的患者将被邀请参加本研究。研究者计划招募 200 名患者,这些患者因乳腺病灶被乳腺影像专科医生判定为可疑或高度可疑 DCIS 而计划接受乳腺活检。每名患者在乳腺 X 线摄影上均有可疑钙化区域,范围小于 3 cm,或超声或 MRI 上存在计划通过活检评估的非局灶性异常区域。每名患者将在活检前立即接受 MBI 研究。研究协调员将接触这些患者并告知其该研究项目。如果他们有兴趣参加,将获取知情同意,并安排患者在乳腺活检前进行 MBI 研究。

【主题与分类】

主题标签:Breast Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00890994

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/NCT00890994

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。根据乳腺X线摄影结果疑似患有DCIS的患者将被邀请参与本研究。研究者计划招募200名计划接受乳腺活检的患者,这些患者的乳腺病灶经专门从事乳腺影像学的放射科医生判定为可疑或高度提示DCIS。每位患者在乳腺X线摄影上有一个范围< 3 cm的可疑钙化区域,或在超声或MRI上有一个计划通过活检评估的非局灶性异常区域。每位患者将在活检前立即接受一次MBI研究。研究协调员将联系这些患者并告知他们该研究项目。如果他们有兴趣参与,将获取知情同意,并安排患者在乳腺活检前进行MBI研究。

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。