绝经后高危乳腺癌女性中低剂量依西美坦与低剂量他莫昔芬的随机双盲II期试验
该数据集来自clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦绝经后乳腺癌高危女性。源站描述显示,这是一项随机双盲II期试验,用于评估低剂量“baby”依西美坦与低剂量“baby”他莫昔芬的疗效与安全性

基本信息
资源简介
绝经后高危乳腺癌女性中低剂量依西美坦与低剂量他莫昔芬的随机双盲II期试验
该数据集来自clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦绝经后乳腺癌高危女性。源站描述显示,这是一项随机双盲II期试验,用于评估低剂量“baby”依西美坦与低剂量“baby”他莫昔芬的疗效与安全性。入组条件涉及乳腺癌、导管癌、雌激素受体阳性乳腺癌、非典型小叶增生、BRCA2突变、CHEK2基因突变、共济失调毛细血管扩张突变基因突变。参与者被随机分入A组依西美坦或B组他莫昔芬,受试者与研究者均不知分组。数据可用于乳腺癌高危人群药物干预研究(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、导管癌、雌激素受体阳性乳腺癌、非典型小叶增生、BRCA2突变、CHEK2基因突变、共济失调毛细血管扩张突变基因突变。这项随机、双盲、II期试验旨在评估低剂量“baby”依西美坦与低剂量“baby”他莫昔芬在绝经后乳腺癌高危女性中的疗效与安全性。这两种药物均以全剂量用于乳腺癌治疗并降低乳腺癌风险。低剂量他莫昔芬已被证明可有效降低风险且耐受性更好。参与者将被随机分入两个研究组之一:A组:依西美坦,对比B组:他莫昔芬。随机化意味着参与者被偶然分配到某个研究组。参与者或研究医生都不会选择或知道参与者被分入哪一组。这被称为
【主题与分类】
主题标签:Breast Cancer、Ductal Carcinoma、Estrogen-receptor-positive Breast Cancer、Atypical Lobular Hyperplasia、BRCA2 Mutation、CHEK2 Gene Mutation。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07499999
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/NCT07499999
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、导管癌、雌激素受体阳性乳腺癌、非典型小叶增生、BRCA2突变、CHEK2基因突变、共济失调毛细血管扩张突变基因突变。这项随机、双盲、II期试验旨在评估低剂量“婴儿”依西美坦与低剂量“婴儿”他莫昔芬在高危乳腺癌绝经后女性中的疗效和安全性。这两种药物在乳腺癌治疗和降低乳腺癌风险时均使用全剂量。低剂量他莫昔芬已被证明在降低风险方面有效,且耐受性更好。参与者将被随机分配到两个研究组之一:A组:依西美坦,对比B组:他莫昔芬。随机化意味着参与者被偶然分配到某个研究组。参与者和研究医生都不会选择或知道参与者被分配到哪一组。这被称为“双盲”。美国食品药品监督管理局(FDA)尚未批准他莫昔芬或依西美坦用于ER+ DCIS、高危病变或乳腺癌高风险,但已批准用于其他用途。
研究研究程序包括资格筛查、门诊访视、问卷调查、血液检测、乳腺X线摄影扫描和骨密度(DEXA)扫描。参与这项研究预计将持续约12个月。预计约有140人将参加这项研究。乳腺癌研究基金会通过提供资金支持这项研究。MRIGlobal通过提供研究药物提供支持。
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。




