机器人乳房切除术手术与患者报告结局数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06335550

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：乳腺癌。近年来，保留乳头和/或皮肤的乳房切除术（NSM/SSM）联合或不联合即刻重建，正成为乳腺癌手术治疗及降低风险乳房切除术的主流术式之一。尽管该技术提供了令人满意的肿瘤学与美学效果，但其缺点包括皮瓣和/或乳头乳晕复合体（NAC）坏死、NAC位置异常/变形以及乳房上可见瘢痕。在技术层面，NSM/SSM因切口有限、分离困难而存在固有挑战。自2015年起，全球多家机构采用了机器人手术系统进行NSM/SSM的新技术。全球各机构的经验证明了该技术的可行性与安全性，并提高了患者满意度。迄今为止，新加坡或本地区尚无中心提供机器人NSM/SSM（R-NSM/R-SSM）。

作者认为，机器人乳房切除术是一种可行且安全的技术，可在本机构开展；与传统NSM/SSM相比，该技术能提供更优的美学效果，并发症发生率更低，患者满意度更高。本研究旨在开展一项单臂前瞻性预试验，探讨R-NSM/R-SSM的安全性、可行性及学习曲线。

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。