乳腺癌患者乳房重建中的立体定向图像引导导航
该数据集来自 clinicaltrials.gov，聚焦乳腺癌患者乳房重建中的立体定向图像引导导航。覆盖导管原位癌、小叶原位癌、复发性乳腺癌及 IA 至 IIIB 期乳腺癌
基本信息
资源简介
乳腺癌患者乳房重建中的立体定向图像引导导航
该数据集来自 clinicaltrials.gov，聚焦乳腺癌患者乳房重建中的立体定向图像引导导航。覆盖导管原位癌、小叶原位癌、复发性乳腺癌及 IA 至 IIIB 期乳腺癌。主要目标为分析术前 CT 血管造影确定穿支血管位置的准确性，并通过术中导航系统客观定位穿支，与术前影像评估的皮瓣血管解剖进行比较；同时判断术前 CT 血管造影能否让显微外科医生正确识别最终用作皮瓣蒂的穿支。患者接受使用 StealthStation 导航系统的腹壁下深动脉穿支（DIEP）皮瓣乳房重建（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：导管原位癌、小叶原位癌、复发性乳腺癌、IA 期乳腺癌、IB 期乳腺癌、II 期乳腺癌、IIIA 期乳腺癌、IIIB 期乳腺癌。主要目标：I. 分析术前 CT 血管造影在确定穿支血管位置方面的准确性。通过使用术中导航系统，我们将在手术期间客观定位穿支，并将结果与术前影像对皮瓣血管解剖的评估进行比较。II. 确定术前 CT 血管造影是否允许显微外科医生正确识别最终用作皮瓣蒂的穿支。概要：患者使用 StealthStation 导航系统接受腹壁下深动脉穿支（DIEP）皮瓣乳房重建。研究完成后
【主题与分类】
主题标签：Ductal Breast Carcinoma in Situ、Lobular Breast Carcinoma in Situ、Recurrent Breast Cancer、Stage IA Breast Cancer、Stage IB Breast Cancer、Stage II Breast Cancer、Stage IIIA Breast Cancer、Stage IIIB Breast Cancer、Stage IIIC Breast Cancer、Stage IV Breast Cancer。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01729832
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/NCT01729832
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
疾病：导管原位乳腺癌、小叶原位乳腺癌、复发性乳腺癌、IA期乳腺癌、IB期乳腺癌、II期乳腺癌、IIIA期乳腺癌、IIIB期乳腺癌。主要目标：I. 分析术前CT血管造影在确定穿支血管位置方面的准确性。通过使用术中导航系统，我们将在手术过程中客观定位穿支血管，并将结果与术前影像学对皮瓣血管解剖的评估进行比较。II. 确定术前CT血管造影是否能让显微外科医生正确识别最终用作皮瓣蒂的穿支血管。大纲：患者使用StealthStation导航系统接受腹壁下深动脉穿支（DIEP）皮瓣乳房重建。研究治疗完成后，患者在1-2周和1个月时进行随访，之后每3个月随访一次，持续2年。
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。
