CAROLE(心脏相关肿瘤晚期效应)研究
源站描述指出,美国约有310万浸润性乳腺癌存活女性,其中约56%接受过放疗;全球每年新诊断140万例,2012年为女性最常见癌症

基本信息
资源简介
CAROLE(心脏相关肿瘤晚期效应)研究
CAROLE(CArdiac Related Oncologic Late Effects)研究来自 clinicaltrials.gov,聚焦乳腺癌等肿瘤患者接受胸部放射治疗后出现的心脏晚期效应。源站描述指出,美国约有310万浸润性乳腺癌存活女性,其中约56%接受过放疗;全球每年新诊断140万例,2012年为女性最常见癌症。随着患者生存期延长,心脏剂量相关毒性影响全球数百万人,亟需针对这一高危女性人群的指南。胸部放疗已知可导致冠状动脉疾病、纤维化和瓣膜功能障碍,但心脏结构应接受何种辐射剂量尚缺乏明确证据。该数据可用于心脏毒性风险预测与放疗剂量相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:冠状动脉疾病、心脏疾病、心脏毒性、放射、放射治疗、动脉粥样硬化性心脏病、心脏毒性、乳腺癌。背景:在美国,估计有310万女性存活者被诊断为浸润性乳腺癌,其中约56%接受过放射治疗。全球每年有140万例确诊,2012年它是女性中最常被诊断的癌症。随着患者寿命延长,心脏剂量相关毒性已成为影响全球数百万人的问题。这一庞大的高危女性人群亟需指南。目的:胸部放射治疗已知有心脏晚期效应,包括冠状动脉疾病、纤维化和瓣膜功能障碍。遗憾的是,关于心脏结构应接受何种辐射剂量,尚无明确证据。
【主题与分类】
主题标签:Coronary Artery Disease、Cardiac Disease、Cardiac Toxicity、Radiation、Radiation Therapy、Atherosclerotic Heart Disease、Cardiotoxicity、Breast Cancer、Lung Cancer、Lymphoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03235427
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/NCT03235427
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:冠状动脉疾病、心脏病、心脏毒性、放射、放射治疗、动脉粥样硬化性心脏病、心脏毒性、乳腺癌。背景:在美国,估计有310万活着的女性被诊断为浸润性乳腺癌,其中约56%接受过放射治疗。全球每年有140万新诊断病例,2012年它是女性中最常见的癌症。随着患者生存期延长,心脏剂量相关毒性已成为影响全球数百万人的问题。这一庞大的高风险女性群体亟需指导方针。目的:胸部放射治疗已知会导致心脏晚期效应,包括冠状动脉疾病、纤维化和瓣膜功能障碍。遗憾的是,关于心脏结构的哪些放射剂量会导致这些晚期毒性,尚无明确证据。因此,这些效应往往在患者出现症状后才被认识到。超过一半的乳腺癌患者接受放射治疗,许多患者心脏会受到 incidental 照射。
许多这类女性还接受全身治疗,这可能带来额外的心脏风险。研究者的数据将有助于确定临床前和临床疾病的基线发生率,从而为这一高危人群亟需的预防指南提供依据。此外,研究者的数据将更好地界定与心脏毒性相关的辐射剂量-反应关系,从而能够更准确地预测哪些人面临医源性心脏病的较高风险。研究计划:本研究将识别并评估在研究机构接受治疗的200名乳腺癌患者(治疗时间超过6年前),这些患者存在治疗相关心脏毒性的风险。所有入组研究的患者都将接受超声心动图、心电图和冠状动脉钙化CT扫描,以全面评估临床前和临床心脏病。在检测中被识别为患有心脏病的患者
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。




