乳腺癌患者放疗期间个体放射敏感性预测

数据集获取

源站：https://clinicaltrials.gov/study/NCT05566613

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：放射耐受性、乳腺肿瘤。目的 1. 通过分析放疗前采集的单核苷酸多态性（SNP rs1801516），探讨能否预测患者的急性放射反应。2. 如果能够预测患者的急性放射反应，则通过分析放疗前采集的血液中的遗传和炎症标志物来实现。3. 如果能够预测患者的放疗晚期副作用，则通过分析放疗前后采集的血液中的遗传和炎症标志物来实现。4. 探讨血液中的遗传和炎症标志物与患者报告结局指标（PROM）及生活质量（QoL）之间是否存在相关性。5. 训练一种算法，将放疗前皮肤外观与皮肤对放疗的反应程度相关联。大纲 本研究为非随机临床队列研究。将邀请患有乳腺癌的成年人参与研究。将在治疗开始前和放疗完成后采集血液。将在治疗前、治疗期间每周、治疗结束时以及一年后评估生活质量（QoL）和症状。

预计将招募总计550名患者。

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。