乳腺切除标本中乳腺X线摄影乳腺动脉钙化的组织学验证 (SIDEMARA)
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦乳腺X线摄影所见的乳腺动脉钙化(BAC)在乳腺切除标本中的组织学验证

基本信息
资源简介
乳腺切除标本中乳腺X线摄影乳腺动脉钙化的组织学验证 (SIDEMARA)
该数据集来自 clinicaltrials.gov,属于肿瘤/乳腺癌领域,聚焦乳腺X线摄影所见的乳腺动脉钙化(BAC)在乳腺切除标本中的组织学验证。研究为单中心、前瞻性、横断面诊断准确性研究,无随机化、无对照组、无干预。其背景是人工智能对123,762名女性BAC的量化已显示与主要不良心血管事件存在剂量-反应关系,并具有超越传统风险评分的增量预后价值,系统综述亦支持该关联。数据可用于探究BAC的组织学定位及其与心血管疾病风险的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:乳腺癌、血管钙化、冠状动脉钙化、动脉粥样硬化心血管疾病。这是一项单中心、前瞻性、横断面诊断准确性研究。无随机化、无对照组、无干预。理由。基于人工智能对123,762名女性队列中BAC的量化已显示与主要不良心血管事件存在剂量-反应关系,并具有超越传统风险评分的增量预后价值。系统综述支持这一关联。仍有两个问题未解决。第一,BAC被认为位于血管中膜而非内膜,使其成为中膜动脉钙化而非动脉粥样硬化,但乳腺组织中的直接组织病理学验证非常有限。第二,也是更关键的是,该领域没有外部参考标准:已报告的se
【主题与分类】
主题标签:Breast Cancer、Vascular Calcification、Coronary Artery Calcification、Atherosclerosis Cardiovascular Disease。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07865884
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/NCT07865884
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、血管钙化、冠状动脉钙化、动脉粥样硬化性心血管疾病。这是一项单中心、前瞻性、横断面诊断准确性研究。无随机分组、无对照组、无干预。研究依据。基于人工智能对123,762名女性队列中乳腺动脉钙化的量化分析显示,其与主要不良心血管事件存在剂量-反应关系,且较传统风险评分具有增量预后价值。系统综述支持这一关联。仍有两个问题尚未解决。第一,乳腺动脉钙化被认为位于血管中膜而非内膜,因此属于中膜动脉钙化而非动脉粥样硬化,但乳腺组织中的直接组织病理学验证非常有限。第二,也是更关键的一点,该领域缺乏外部参考标准:所报告的敏感性值衡量的是与人类阅片者的一致性,而非与组织的一致性。标本处理 手术不因本研究而改变。标本在手术室中用两根缝线定向(上方单根缝线,侧方双根缝线)。
除诊断性取样外,还从肉眼无肿瘤区域取六个研究组织块:两个取自外上象限,一个取自内上象限,一个取自下象限,一个取自胸肌前筋膜附近的深部组织,一个取自中央或乳晕后区域。如果对组织是否足以诊断存在任何疑问,则不再额外取块;正确诊断始终优先。
组织病理学评估
采用逐步染色算法:所有六个组织块均行常规苏木精-伊红染色;对含有可评估管径动脉的组织块行von Kossa染色;对存在钙化的病例行弹性van Gieson染色,以确定受累层次。记录病变的存在、位置(内侧或内膜)、周向范围及0-3级序数严重程度评分,并使用免费软件进行形态学测量。内膜病变根据预定义的形态学标准分为0-4级,其中2级或以上分类
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。




