早期乳腺癌术前部分乳腺照射II期临床试验
该数据集来自 clinicaltrials.gov,为一项针对早期乳腺癌的 II 期临床试验,仅设术前部分乳腺照射(Preoperative PBI)单一试验组

基本信息
资源简介
早期乳腺癌术前部分乳腺照射II期临床试验
该数据集来自 clinicaltrials.gov,为一项针对早期乳腺癌的 II 期临床试验,仅设术前部分乳腺照射(Preoperative PBI)单一试验组。研究旨在证明术前 PBI 在放疗相关副作用方面不劣于术后 PBI,并前瞻性观察治疗结局、治疗相关并发症、生活质量、乳腺纤维化程度及乳房美观度。计划 2 年内入组最多 47 例患者,最长随访观察 1 年,放疗开始后 2 周内至少进行一次急性放疗相关并发症评估。可用于放疗副作用与预后相关研究(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、导管原位癌、浸润性乳腺癌。本研究是一项 II 期临床试验,由单一试验组(术前 PBI 组)组成。- 试验组:术前部分乳腺照射(Preoperative PBI)。目的是证明在早期乳腺癌患者中,术前部分乳腺照射(PBI)在放疗相关副作用方面不劣于术后 PBI。将前瞻性观察治疗结局、治疗相关并发症、生活质量、乳腺纤维化程度及乳房美观度。计划在 2 年内入组最多 47 例患者,最长随访观察 1 年。急性放疗相关并发症的评估将在放疗开始后 2 周内至少进行一次。急性并发
【主题与分类】
主题标签:Breast Cancer、Ductal Carcinoma in Situ、Invasive Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06677944
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/NCT06677944
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:乳腺癌、导管原位癌、浸润性乳腺癌。本研究是一项II期临床试验,包含单一实验组(术前PBI组)。- 实验组:术前部分乳腺照射(术前PBI)。目的是证明在早期乳腺癌患者中,术前部分乳腺照射(PBI)在放疗相关副作用方面不劣于术后PBI。将前瞻性观察治疗结果、治疗相关并发症、生活质量、乳腺纤维化程度及乳房美观度。计划在2年内入组最多47名患者,最长随访观察期为1年。放疗相关急性并发症的评估将在放疗开始后至少2周内进行一次。放疗6个月后,将至少进行一次急性并发症和手术相关并发症的额外评估。放疗后12个月将进行放疗相关晚期并发症的评估。
患者的生活质量将通过自我报告问卷在以下时间点进行测量:(1) 放疗前,(2) 放疗后6个月,以及 (3) 放疗后12个月。乳房美学评估将使用BCCT.Score软件在以下时间点进行:(1) 放疗前,(2) 放疗后6个月,以及 (3) 放疗后12个月。乳房纤维化的评估将使用组织顺应性测量仪在以下时间点进行:(1) 放疗前,(2) 放疗后6个月,以及 (3) 放疗后12个月。术前部分乳房照射将在患者首次登记后6周内进行,手术将在放疗后8至12周内进行。在整个放疗过程中,将进行即时、治疗后以及6个月至1年间隔的随访观察,最长持续1年,以评估并发症、手术结果、美容效果和疾病状态。
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。




