C-MERIT筛查队列：致密乳腺女性对比增强乳腺摄影筛查与风险评估
该数据集来自clinicaltrials.gov，属于肿瘤/乳腺癌领域，聚焦致密乳腺女性。计划建立1000例MDACC女性致密乳腺患者的筛查队列，接受对比增强乳腺摄影筛查，并整合影像、临床数据、健康测量及问卷数据（含配套方案PA17-0584数据）
基本信息
资源简介
C-MERIT筛查队列：致密乳腺女性对比增强乳腺摄影筛查与风险评估
该数据集英文名为 The C-MERIT Screening Cohort: Contrast-enhanced Mammography for Breast Cancer Screening and Risk Assessment in Women With Dense Breasts，来源于 clinicaltrials.gov，属于肿瘤 / 乳腺癌领域，主题标签为 Breast Cancer。其核心内容是计划建立一个由 1000 例 MDACC 女性致密乳腺患者组成的筛查队列，这些患者接受对比增强乳腺摄影筛查；同时建立一个综合整合数据库，涵盖影像、临床数据、健康测量和问卷数据，并包括来自配套方案 PA17-0584 的数据。该数据集面向致密乳腺女性的乳腺癌筛查与风险评估，围绕对比增强乳腺摄影与全视野数字乳腺摄影等检查方式在癌症检出率、敏感性、特异性及召回率等方面的受试者内比较展开。
【数据集背景】
该数据集聚焦于致密乳腺女性这一特定人群的乳腺癌筛查与风险评估。致密乳腺会影响乳腺影像检查的判读与筛查效能，因此需要针对该人群建立专门的筛查队列并系统收集多维度数据。数据集计划纳入 1000 例 MDACC 女性致密乳腺患者，这些患者均接受对比增强乳腺摄影筛查。通过建立这样一个队列，研究旨在为致密乳腺女性的筛查策略与风险评估提供数据基础。
【数据内容】
数据集计划建立的是一个综合整合数据库，其内容涵盖影像数据、临床数据、健康测量数据以及问卷数据，并包括来自配套方案 PA17-0584 的数据。影像方面涉及对比增强乳腺摄影，以及全视野数字乳腺摄影、低能量图像（等同于全视野数字乳腺摄影）和数字乳腺断层摄影图像等用于比较的检查类型。数据库将上述多来源信息整合在一起，以支持对筛查检出与风险相关问题的分析。
【采集与来源】
数据来源于 clinicaltrials.gov 所描述的临床研究方案。采集对象为计划纳入的 1000 例 MDACC 女性致密乳腺患者，她们接受筛查性对比增强乳腺摄影。数据采集内容包括影像、临床数据、健康测量和问卷数据，并整合配套方案 PA17-0584 的数据。源站描述还提及，在按标准诊疗接受筛查性乳腺超声的患者中开展相关评估，但该部分描述在源站信息中未完整呈现。
【适用场景】
该数据集适用于致密乳腺女性乳腺癌筛查与风险评估相关的研究场景。具体包括：在受试者内比较对比增强乳腺摄影与全视野数字乳腺摄影的癌症检出率；在致密乳腺女性中比较对比增强乳腺摄影与低能量图像（等同于全视野数字乳腺摄影）以及低能量与数字乳腺断层摄影联合图像的敏感性、特异性和召回率；评估既往影像的可获得性对对比增强乳腺摄影、全视野数字乳腺摄影和数字乳腺断层摄影召回率的影响；以及在按标准诊疗接受筛查性乳腺超声的患者中开展评估。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT05667532
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：乳腺癌。主要目标：* 建立一个由1000名接受筛查性对比增强乳腺摄影的MDACC乳腺致密女性患者组成的队列。* 建立一个综合整合数据库，包含影像、临床数据、健康测量和问卷数据，包括来自配套方案PA17-0584的数据。次要目标：* 对CEM与FFDM之间的癌症检出率进行受试者内比较。* 在乳腺致密女性中，对CEM与低能（LE）图像（相当于FFDM）以及LE与DBT图像组合的敏感性、特异性和召回率进行受试者内比较。* 评估既往影像的可获得性对CEM、FFDM和DBT召回率的影响。* 在接受筛查性乳腺超声作为标准护理的患者中，评估筛查性超声在乳腺癌检测中的表现，并将其与CEM、LE图像和DBT等其他成像方式进行比较。探索性目标：* 结合影像、血液生物标志物、健康测量和问卷数据，用于评估乳腺癌风险。
- 评估CEM上背景实质强化的强度是否能预测致密乳腺女性的乳腺癌风险。
- 评估患者是否认为CEM可作为常规乳腺癌筛查中潜在可接受的影像学检查方式。
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。
