治疗前乳腺DCE-MRI人工智能模型预测局部晚期三阴性乳腺癌新辅助化疗获益

数据集获取

源站：https://clinicaltrials.gov/study/NCT07880600

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：女性乳腺肿瘤、三阴性乳腺癌。本研究是一项多中心、前瞻性、观察性队列研究，旨在评估基于治疗前DCE-MRI的人工智能（AI）模型对局部晚期三阴性乳腺癌新辅助化疗获益的预测性能。研究计划纳入接受常规标准新辅助化疗的符合条件的局部晚期三阴性乳腺癌患者，并基于基线乳腺DCE-MRI图像，通过已建立的AI模型将参与者分为高获益和低获益亚组。所有入组患者将系统收集基线临床-病理数据、治疗前DCE-MRI扫描、新辅助化疗方案、病理完全缓解（pCR）状态、客观缓解率（ORR）以及长期生存终点，包括无病生存期（DFS）和总生存期（OS）。

主要目标是比较AI定义的高获益患者与已发表的历史对照数据之间的pCR率；次要分析比较AI分层的高获益亚组与低获益亚组之间的ORR、pCR比例、DFS和OS，以全面验证该影像AI模型在个体化新辅助化疗选择中的临床价值。

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。