乳腺癌患者的筛查性结肠镜检查
源站描述指出乳腺癌是全球女性最常见恶性肿瘤,早期发现与治疗改善使幸存者增多,继发恶性肿瘤及长期癌症相关健康风险日益重要;流行病学研究提示乳腺癌与结直肠肿瘤可能存在关联,共享年龄、肥胖、激素暴露、遗传易感性及环境因素等风险因素,但现有证据不一致,评估乳腺癌幸存者结直肠肿瘤患病率的前瞻性研究有限

基本信息
资源简介
乳腺癌患者的筛查性结肠镜检查
该数据集来自 clinicaltrials.gov,主题为乳腺癌患者的筛查性结肠镜检查,涉及 Colorectal Cancer、Breast Cancer 与 Colorectal Adenoma。源站描述指出乳腺癌是全球女性最常见恶性肿瘤,早期发现与治疗改善使幸存者增多,继发恶性肿瘤及长期癌症相关健康风险日益重要;流行病学研究提示乳腺癌与结直肠肿瘤可能存在关联,共享年龄、肥胖、激素暴露、遗传易感性及环境因素等风险因素,但现有证据不一致,评估乳腺癌幸存者结直肠肿瘤患病率的前瞻性研究有限。数据可用于相关肿瘤筛查与风险研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Colorectal Cancer, Breast Cancer, Colorectal Adenoma. 乳腺癌是全球女性中最常被诊断的恶性肿瘤。早期发现和治疗的改善大幅提高了生存率,导致乳腺癌幸存者人群不断增长。因此,识别第二原发恶性肿瘤和长期癌症相关健康风险变得越来越重要。若干流行病学研究提示乳腺癌与结直肠肿瘤之间可能存在关联。共享的风险因素,包括年龄、肥胖、激素暴露、遗传易感性和环境影响,可能促成这两种恶性肿瘤的发生。然而,现有证据仍不一致,评估乳腺癌幸存者中结直肠肿瘤患病率的前瞻性研究有限。This prospec
【主题与分类】
主题标签:Colorectal Cancer、Breast Cancer、Colorectal Adenoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07678099
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/NCT07678099
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:结直肠癌、乳腺癌、结直肠腺瘤。乳腺癌是全球女性中最常被诊断的恶性肿瘤。早期发现和治疗方面的进步大幅提高了生存率,导致乳腺癌幸存者人群不断扩大。因此,识别第二原发恶性肿瘤及长期癌症相关健康风险变得日益重要。多项流行病学研究表明,乳腺癌与结直肠肿瘤之间可能存在关联。共同的危险因素,包括年龄、肥胖、激素暴露、遗传易感性和环境影响,可能促进这两种恶性肿瘤的发生。然而,现有证据仍不一致,评估乳腺癌幸存者中结直肠肿瘤患病率的前瞻性研究有限。本前瞻性单中心筛查研究旨在确定既往诊断为乳腺癌的女性中,通过筛查结肠镜检查发现的结直肠肿瘤患病率。
年龄大于18岁、已完成乳腺癌手术、全身和/或辅助治疗的女患者被前瞻性纳入研究。所有参与者在胃肠道主诉方面均无症状,并在完成乳腺癌治疗后接受了筛查性结肠镜检查。因诊断指征接受结肠镜检查或出现报警性胃肠道症状的患者被排除。收集了临床和人口学数据,包括年龄、体重指数、合并症、家族史、乳腺癌病理、分子亚型、Ki-67增殖指数、治疗史以及可获得的基因检测结果。记录了结肠镜检查所见,所有检测到的病变均接受了组织病理学评估。腺瘤按照既定组织学标准进行分类。本研究的主要目的是确定结直肠肿瘤的患病率,结直肠肿瘤定义为腺瘤性息肉和结直肠
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。




