基本信息

模态

其他

任务类型

预测

创建/更新时间

2026-10-20

资源简介

三阴性乳腺癌残留病灶生存结局数据集

该数据集英文名为 Survival Outcomes of Residual Disease in Triple-Negative Breast Cancer，来自 clinicaltrials.gov，聚焦三阴性乳腺癌（TNBC）患者在接受新辅助治疗后仍存在残留病灶的生存结局。三阴性乳腺癌是乳腺癌中侵袭性较强的一种亚型，预后较差；尽管新辅助治疗可改善达到病理完全缓解患者的结局，但治疗后残留病灶的存在仍与复发和死亡风险升高相关。该数据集围绕这一临床问题，记录并评估残留病灶患者的生存结局，以及临床病理特征与无病生存和总生存之间的关联，属于肿瘤/乳腺癌分类下的回顾性队列研究数据资源。

【数据集背景】

三阴性乳腺癌（TNBC）是一种侵袭性较强的乳腺癌亚型，与较差的预后相关。新辅助治疗能够改善达到病理完全缓解患者的治疗结局，但治疗后仍存在残留病灶的患者面临复发和死亡风险升高的问题。该数据集正是针对这一临床情境而建立，旨在评估三阴性乳腺癌患者在新辅助治疗后存在残留病灶情况下的生存结局，并考察临床病理特征与生存结局之间的关联。其关注的核心结局包括无病生存和总生存。

【数据内容】

该数据集的主题标签为 Triple-Negative Breast Cancer (TNBC)，内容围绕三阴性乳腺癌患者新辅助治疗后残留病灶的生存结局展开。根据源站描述，数据集涉及对患者生存结局的评估，以及对临床病理特征与生存结局关联的分析，所关注的生存结局包括无病生存和总生存。关于数据集中具体包含的变量字段、样本量、随访时长、记录条数等细节，源站未提供。

【采集与来源】

该数据集来源于 clinicaltrials.gov。源站描述表明，这是一项回顾性队列研究，旨在评估三阴性乳腺癌患者在新辅助治疗后存在残留病灶时的生存结局，并评估临床病理特征与生存结局之间的关联。关于具体的采集机构、采集时间范围、数据提取方式等信息，源站未提供。

【适用场景】

该数据集可用于围绕三阴性乳腺癌新辅助治疗后残留病灶的生存结局开展分析，例如考察残留病灶患者的无病生存与总生存情况，以及探讨临床病理特征与上述生存结局之间的关联。其回顾性队列研究的性质适合用于生存分析相关的研究场景。关于更具体的适用场景说明，源站未提供。

【使用方法】

源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、数据结构说明及分析建议等。

【质量与限制】

该数据集为回顾性队列研究，其设计特点可能带来回顾性研究固有的局限，但源站未提供关于数据质量、样本代表性、缺失情况或偏倚控制等方面的具体说明。相关限制信息源站未提供。

【引用与许可】

源站未提供该数据集的引用方式与许可信息。

原始链接

https://clinicaltrials.gov/study/NCT07714382

访问原始数据

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://clinicaltrials.gov/study/NCT07714382

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。

数据说明

条件：三阴性乳腺癌（TNBC）。三阴性乳腺癌（TNBC）是一种侵袭性乳腺癌亚型，预后较差。尽管新辅助治疗可改善达到病理学完全缓解患者的结局，但治疗后存在残留病灶仍与复发和死亡风险增加相关。本回顾性队列研究旨在评估TNBC患者新辅助治疗后存在残留病灶的生存结局，并评估临床病理特征与生存结局（包括无病生存期和总生存期）之间的关联。

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