保乳术后超低分割全乳照射安全性研究
该数据集来自 clinicaltrials.gov,为一项前瞻性队列研究,评估保乳术后采用 1 周 26 Gy/5 次超低分割全乳照射方案的心脏毒性与安全性

基本信息
资源简介
保乳术后超低分割全乳照射安全性研究
该数据集来自 clinicaltrials.gov,为一项前瞻性队列研究,评估保乳术后采用 1 周 26 Gy/5 次超低分割全乳照射方案的心脏毒性与安全性。主要终点为通过标准及三维超声心动图和左心室全局纵向应变检测心肌功能与形变的亚临床损伤(下降≥10%)。数据覆盖乳腺癌放疗患者的心脏评估、病史、心电图、临床检查及 NYHA 分级与加拿大心绞痛分级评分,可用于放疗心脏毒性预测与安全性分析(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、放疗副作用。这项前瞻性队列研究旨在评估采用 1 周 26 Gy 分五次每日照射的放疗方案的心脏毒性和安全性。主要终点定义为通过标准和三维(3D)超声心动图及左心室(LV)全局纵向应变(GLS)检测到心肌功能和形变的任何亚临床损伤(下降≥10%)。心脏评估。每次访视时记录病史、心电图(EKG)、临床检查(特别关注心力衰竭体征)、纽约心脏协会(NYHA)分级和加拿大心绞痛分级量表评分。经胸超声心动图使用市售系统(EPIQ,X5-1 探头,Philips Healthcare,Andover,Massachusetts)进行。所有测量均执行并报告 acc
【主题与分类】
主题标签:Breast Cancer、Radiotherapy Side Effect。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04842409
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/NCT04842409
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、放疗副作用。本前瞻性队列研究旨在评估采用1周放疗方案(总剂量26 Gy,分5次每日照射)的心脏毒性及安全性。主要终点定义为通过标准及三维(3D)超声心动图和左心室(LV)整体纵向应变(GLS)检测到心肌功能和形变出现任何亚临床损害(下降≥10%)。心脏评估。每次访视时记录病史、心电图(EKG)、临床检查(特别关注心力衰竭体征)、纽约心脏协会(NYHA)分级及加拿大心绞痛分级量表评分。经胸超声心动图采用市售系统(EPIQ,X5-1探头,Philips Healthcare,马萨诸塞州安多弗)进行。所有测量均按照美国超声心动图学会(ASE)和欧洲心血管影像协会(EACVI)的建议进行并报告。每项测量均取三个心动周期的平均值。二维左心室射血分数(2D-LVEF)采用Simpson法则,通过心尖四腔心和两腔心切面测量。
左心室质量通过左心室定向M型超声轨迹图计算,采用Devereux公式及ASE规范,并按体表面积(BSA)进行指数化。舒张功能通过左心房容积指数、收缩期肺动脉压、二尖瓣流入E/A模式、E/A比值、E波减速时间、环状组织多普勒e’及E/e’比值进行评估。在优化图像质量、最大化帧率并尽量减少缩短效应(这些均对减少测量变异性至关重要)之后,于三个标准心尖切面进行GLS测量并取平均值。左心室四腔、三腔及两腔切面在屏气状态下采集。从心尖长轴切面观察主动脉瓣关闭,利用主动脉瓣的开闭点击,在连续波(CW)多普勒成像上确定主动脉瓣开放与关闭相对于心电图R波的时间。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




