DEDTI BR 与 T/E BR 的比较
该数据集来自 clinicaltrials.gov,主题为乳腺癌,聚焦乳房切除术后乳房重建方式的比较,涉及 DEDTI BR 与 T/E BR 两类重建路径

基本信息
资源简介
DEDTI BR 与 T/E BR 的比较
该数据集英文名为 The Comparison Between DEDTI BR and T/E BR,来源于 clinicaltrials.gov,主题聚焦乳腺癌,核心内容是比较乳房切除术后两种乳房重建路径——DEDTI BR 与 T/E BR。乳腺癌是女性中最常见的恶性肿瘤之一,以手术为主的综合治疗是主要治疗方式,乳房切除术占原发性乳腺癌手术的 88.8%,而即刻乳房重建率仅约 10.7%,导致多数患者在初次手术时即失去乳房,并长期承受心理社会健康方面的不良影响,离婚率高达 40%。随着乳腺癌治疗效果的改善,越来越多女性希望通过乳房重建改善术后乳房形态、缓解心理创伤。传统重建方式包括自体组织重建与假体重建,前者创伤较大、并发症发生率较高。该数据集围绕上述临床问题,为研究者提供两种重建方式比较研究的相关数据资源,适用于乳腺癌术后重建领域的临床研究与分析。
【数据集背景】
乳腺癌是女性中最常见的恶性肿瘤之一,综合治疗以手术为主。乳房切除术占原发性乳腺癌手术的 88.8%,但即刻乳房重建率仅约 10.7%,这意味着大多数患者在初次手术时失去乳房,并长期面临心理社会健康方面的困扰,离婚率高达 40%。随着乳腺癌治疗效果的提升,越来越多女性希望通过乳房重建改善术后乳房形态、减轻心理创伤。传统重建方法包括自体组织重建和假体重建,前者创伤大、并发症发生率较高。在此背景下,对不同的乳房重建路径进行比较研究具有现实意义,该数据集即围绕 DEDTI BR 与 T/E BR 两类重建方式的比较而建立。
【数据内容】
该数据集的主题标签为 Breast Cancer,所属分类为肿瘤 / 乳腺癌,内容聚焦于乳房切除术后乳房重建方式的比较,涉及 DEDTI BR 与 T/E BR 两类重建路径。关于数据集所包含的具体变量、记录数量、字段结构、随访指标等详细内容,源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中给出的疾病背景信息包括乳腺癌的患病情况、乳房切除术与即刻乳房重建的比例、患者心理社会健康影响以及传统重建方式的特点。关于数据的具体采集时间、采集方法、样本纳入与排除标准等,源站未提供。
【适用场景】
该数据集适用于乳腺癌术后乳房重建领域的临床研究与分析,特别是针对 DEDTI BR 与 T/E BR 两种重建路径的比较研究。可用于支持乳房重建方式选择、术后效果评估等相关研究方向。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。
【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/NCT07593846
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:乳腺癌。乳腺癌是女性最常见的恶性肿瘤之一,综合治疗以手术为中心。乳房切除术占原发性乳腺癌手术的88.8%,但即刻乳房重建率仅约10.7%,导致大多数患者在初次手术时即失去乳房,并长期承受欠佳的心理社会健康状态,离婚率高达40%。随着乳腺癌治疗效果的改善,越来越多的女性希望通过乳房重建改善术后乳房形态、减轻心理创伤。传统重建方法包括自体组织重建和假体重建。前者创伤大、并发症发生率高;后者常因皮肤组织不足而需分两期进行,即先放置组织扩张器,再更换为假体植入物,增加了手术次数和并发症风险。
为解决这一问题,我们团队开发了一种新型的延迟内镜直视下经腋窝入路充气法乳房重建技术,该技术仅需一次手术,显著缩短了手术时间、减少了创伤和费用,并降低了并发症的发生率。术后乳房上无新切口,外观更自然,手感更柔软。本研究旨在将该技术与传统两阶段方法进行比较,探讨术后并发症、美学效果、生活质量、成本效益及手术相关指标。为全面评估其临床获益,需要大规模多中心研究提供循证医学证据并优化手术策略。因此,本全国性多中心、前瞻性
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。




