MRI与基因表达诊断导管原位乳腺癌
该数据集来自 clinicaltrials.gov,聚焦于导管原位乳腺癌(DCIS)患者。数据涵盖通过粗针穿刺活检确诊、经标准影像学(乳腺X线摄影±超声)和体格检查判定为保乳候选者的患者,评估其基于MRI发现转为乳房切除术的比例,以及最终手术方式

基本信息
资源简介
MRI与基因表达诊断导管原位乳腺癌
该数据集来自 clinicaltrials.gov,聚焦于导管原位乳腺癌(DCIS)患者。数据涵盖通过粗针穿刺活检确诊、经标准影像学(乳腺X线摄影±超声)和体格检查判定为保乳候选者的患者,评估其基于MRI发现转为乳房切除术的比例,以及最终手术方式。同时涉及基线临床协变量、MRI形态与动力学特征、DCIS评分之间的关系,MRI评估病变范围的诊断准确性,以及因切除不充分需再次手术的比例。可用于乳腺癌诊断与手术决策相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:导管原位乳腺癌。主要目标:I. 估计在粗针穿刺活检中诊断为导管原位癌(DCIS)、基于标准影像学(乳腺X线摄影±超声)和体格检查被判定为保乳候选者的患者中,(a) 基于MRI发现而在第1步转为乳房切除术的比例,以及 (b) 在第2步以乳房切除术作为最终手术的比例。次要目标:I. 评估基线临床协变量(如肿瘤分级、坏死、组织学类型、乳腺X线摄影病变大小)、MRI形态学和动力学特征与DCIS评分之间的关系。II. 评估MRI在DCIS患者病变范围评估中的诊断准确性。III. 估计在MRI后因切除不充分而需要再次手术的患者比例。IV. 估计
【主题与分类】
主题标签:Ductal Breast Carcinoma In Situ。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02352883
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/NCT02352883
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:导管原位乳腺癌。主要目标:I. 评估经核心针活检诊断为导管原位癌(DCIS)的患者中,基于标准影像学(乳腺X线摄影+/-超声)和体格检查被认为适合保乳治疗的患者比例,(a) 在第一步中因MRI发现而转为乳房切除术的比例,以及(b) 在第二步中最终接受乳房切除术作为最终手术的比例。次要目标:I. 评估基线临床协变量(如肿瘤分级、坏死、组织学类型、乳腺X线摄影病灶大小)、MRI形态学和动力学特征与DCIS评分之间的关系。II. 评估MRI在DCIS患者病变范围评估中的诊断准确性。III. 估计因MRI后切除不充分而需要再次手术的患者比例。IV. 估计在初次尝试广泛局部切除后,因肿瘤切缘不足(<2毫米)或其他原因而进行乳房切除术的患者比例。V.
估计在接受术前MRI评估并接受广泛局部切除、未接受放射治疗(若DCIS评分较低)或接受放射治疗(若DCIS评分为中高)的DCIS女性中,5年和10年同侧乳房事件(原位和浸润性)率(IBE)。VI. 估计DCIS女性中接受与其治疗目标和关切相一致的治疗的比例。VII. 估计DCIS女性中其决策自主偏好与感知决策参与程度相一致的比例。VIII. 使用知识评分和决策过程评估决策质量。IX. 评估决策自主偏好与感知决策参与程度之间的一致性,以及知识评分和决策过程评分作为首次术后访视时决策满意度的独立预测因素。X. 评估患者报告结局与疾病特异性之间的关系。
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。




