LYMPH试验:乳腺癌相关慢性淋巴水肿的手术与保守治疗对比
该数据集来自clinicaltrials.gov,收录LYMPH试验相关信息,聚焦乳腺癌相关慢性淋巴水肿(BCRL)的治疗比较

基本信息
资源简介
LYMPH试验:乳腺癌相关慢性淋巴水肿的手术与保守治疗对比
该数据集来自clinicaltrials.gov,收录LYMPH试验相关信息,聚焦乳腺癌相关慢性淋巴水肿(BCRL)的治疗比较。源站描述涵盖保守的复杂物理消肿治疗(CDT)作为金标准,以及淋巴静脉吻合(LVA)和血管化淋巴结移植(VLNT)两种手术技术,并说明其作用机制差异。数据可用于了解BCRL治疗方式的研究背景与试验设计,支持肿瘤学与淋巴水肿相关主题的整理与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:淋巴水肿、乳腺癌。迄今为止,保守的复杂物理消肿治疗(CDT)是BCRL(乳腺癌相关淋巴水肿)的金标准,包括手动淋巴引流、使用绷带和衣物的局部压迫、体育锻炼和细致的皮肤护理。然而,它在治愈BCRL时往往无法有效防止分期进展,且仅是对症治疗。淋巴静脉吻合(LVA)和血管化淋巴结移植(VLNT)是两种手术技术,与CDT不同,它们能够真正解决潜在病因并最终恢复淋巴引流。LVA通过在淋巴管和小静脉之间建立众多旁路来实现这一点,使皮下组织内过多的液体引流至静脉系统,而VLNT通常将功能正常的淋巴结带到缺乏淋巴结的区域。
【主题与分类】
主题标签:Lymphedema, Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05890677
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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/NCT05890677
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:淋巴水肿、乳腺癌。迄今为止,保守的复杂物理消肿疗法(CDT)是乳腺癌相关淋巴水肿(BCRL)的金标准,包括手法淋巴引流、使用绷带和衣物的局部加压、体育锻炼以及细致的皮肤护理。然而,它在治愈BCRL方面往往无法有效阻止分期进展,且仅能缓解症状。淋巴静脉吻合术(LVA)和带血管淋巴结移植术(VLNT)是两种外科技术,与CDT不同,它们能够真正解决潜在病因并最终恢复淋巴引流。LVA通过在淋巴管与小静脉之间建立众多旁路,使皮下组织内过多液体得以引流至静脉系统;而VLNT通常将功能性淋巴结移植到缺乏淋巴结或淋巴结功能失调的区域,从而促使新的淋巴通路自发形成。这两种技术均已显示出非常可喜的结果,并发症发生率低,并改善了患者的生活质量(QoL)。
然而,目前尚无多中心随机对照试验(RCT)前瞻性评估这些手术技术相较于单纯CDT的优越性,这限制了患者获得最有效治疗的机会。在多数国家,费用报销申请仍须提交给保险公司,且常遭拒绝,从而延误手术治疗,导致患者痛苦延长。鉴于患者承受着沉重的身体、心理和经济负担,这一现状难以接受。这项实用性、随机、多中心试验旨在建立坚实的科学基础,评估手术治疗相较于单纯CDT的优越性。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




