保留乳头乳晕复合体乳房切除术中神经化以恢复乳腺癌患者感觉的研究
该数据集来自 clinicaltrials.gov，聚焦于接受保留乳头乳房切除术（NSM）及重建的乳腺癌患者，探索在手术中增加神经化以恢复乳头乳晕复合体感觉的可行性
基本信息
资源简介
保留乳头乳晕复合体乳房切除术中神经化以恢复乳腺癌患者感觉的研究
该数据集来自 clinicaltrials.gov，聚焦于接受保留乳头乳房切除术（NSM）及重建的乳腺癌患者，探索在手术中增加神经化以恢复乳头乳晕复合体感觉的可行性。覆盖解剖学分期 0、I、IIA 期（AJCC v8）乳腺癌。主要目标是评估患者参与随机试验的意愿；次要目标包括比较有无神经化患者的报告结局（生活质量、乳房及乳头乳晕性功能）、12 个月时乳头乳晕感觉，以及通过 SKIN 评分判定皮瓣坏死率。患者随机分为标准 NSM 组和 NSM 加神经化组。可用于乳腺癌手术感觉恢复、患者报告结局及并发症相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：解剖学 0 期乳腺癌 AJCC v8、解剖学 I 期乳腺癌 AJCC v8、解剖学 IIA 期乳腺癌 AJCC v8。主要目标：I. 确定接受 NSM 的患者参加 NSM 联合或不联合神经化随机试验的意愿。次要目标：I. 比较接受 NSM 联合或不联合神经化患者的报告结局，包括生活质量和乳房及 NAC 性功能。II. 比较接受 NSM 联合或不联合神经化患者 12 个月时的 NAC 感觉。III. 通过皮肤缺血和坏死（SKIN）评分确定 NSM 后乳房切除皮瓣坏死率。大纲：患者被随机分配到 2 个组之一。第 I 组：患者在研究中接受标准治疗 NSM。第 II 组：患者在研究中接受标准治疗 NSM 期间的神经化。研究干预完成后
【主题与分类】
主题标签：Anatomic Stage 0 Breast Cancer AJCC v8、Anatomic Stage I Breast Cancer AJCC v8、Anatomic Stage IIA Breast Cancer AJCC v8。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06153836
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/NCT06153836
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
疾病状态：解剖分期0期乳腺癌AJCC第8版，解剖分期I期乳腺癌AJCC第8版，解剖分期IIA期乳腺癌AJCC第8版。主要目标：I. 确定接受NSM的患者参加NSM伴或不伴神经化的随机试验的意愿。次要目标：I. 比较接受NSM伴或不伴神经化的患者报告的结果，包括生活质量和乳房及NAC性功能。II. 比较接受NSM伴或不伴神经化的患者12个月时的NAC感觉。III. 通过皮肤缺血和坏死（SKIN）评分确定NSM后乳房切除皮瓣坏死率。大纲：患者随机分配到2个组之一。第I组：患者在研究中接受标准治疗的NSM。第II组：患者在研究中接受标准治疗的NSM期间进行神经化。研究干预完成后，患者在术后14天以及6、12和24个月进行随访。
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。
