瞄准乳腺癌

本研究关注乳腺癌及I、II、III期乳腺癌,旨在通过不同类型运动减少脂肪组织炎症,以尽量降低与超重或肥胖相关的癌症复发风险

Dana-Farber Cancer InstituteDana-Farber Cancer Institute
clinicaltrials
浏览 10
其他Breast CancerBreast Cancer Stage IBreast Cancer Stage IIBreast Cancer Stage III
Taking AIM at Breast Cancer

基本信息

模态
其他
创建/更新时间
2026-11-03

资源简介

瞄准乳腺癌

本研究关注乳腺癌及I、II、III期乳腺癌,旨在通过不同类型运动减少脂肪组织炎症,以尽量降低与超重或肥胖相关的癌症复发风险。研究干预为循环式有氧与抗阻运动(CARE)和传统有氧与抗阻运动(TARE)。研究者希望了解参与特定运动计划能否使脂肪组织炎症减少。研究程序包括资格筛选、研究治疗、评估和随访;治疗为期4个月,随访8个月,总参与时间约12个月,预计约300人参加(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:乳腺癌、I期乳腺癌、II期乳腺癌、III期乳腺癌。本研究旨在通过不同类型的运动来减轻脂肪组织中的炎症,以尽量降低与超重或肥胖相关的癌症复发风险。研究者希望了解,参加特定的运动项目是否能使脂肪组织中的炎症减轻。本研究涉及的研究干预措施名称如下: 循环式有氧和抗阻运动(CARE) 传统有氧和抗阻运动(TARE)。本研究的研究程序包括资格筛选,以及研究治疗,包括评估和随访访视。研究治疗将持续4个月,参与者将被随访8个月。参与本研究的总时间约为12个月。预计约300人将参加这项研究。

【主题与分类】

主题标签:Breast Cancer、Breast Cancer Stage I、Breast Cancer Stage II、Breast Cancer Stage III。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04720209

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT04720209

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

疾病:乳腺癌、I期乳腺癌、II期乳腺癌、III期乳腺癌。本研究旨在通过不同类型的运动来减轻脂肪组织中的炎症,以尽量降低与超重或肥胖相关的癌症复发风险。研究者希望了解,参加特定的运动项目是否能使脂肪组织中的炎症减轻。本研究涉及的研究干预措施名称如下:* 循环式有氧和抗阻运动(CARE)* 传统有氧和抗阻运动(TARE)。本研究的研究程序包括资格筛选,以及研究治疗,包括评估和随访访视。研究治疗将持续4个月,参与者将被随访8个月。参与本研究的总时间约为12个月。预计约300人将参加这项研究。

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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。