局部阿非莫昔芬治疗单侧乳腺放疗后乳腺癌患者

该数据集来自 clinicaltrials.gov,聚焦于单侧乳腺接受放疗后的乳腺癌患者,包括癌症幸存者、导管原位癌和浸润性乳腺癌

Northwestern UniversityNorthwestern University
clinicaltrials
浏览 16
医学影像回归Cancer SurvivorDuctal Breast Carcinoma In SituInvasive Breast Carcinoma
Topical Afimoxifene in Treating Patients With Breast Cancer Who Have Undergone Radiation Therapy on One Breast

基本信息

模态
医学影像
任务类型
回归
创建/更新时间
2026-10-17

资源简介

局部阿非莫昔芬治疗单侧乳腺放疗后乳腺癌患者

该数据集来自 clinicaltrials.gov,聚焦于单侧乳腺接受放疗后的乳腺癌患者,包括癌症幸存者、导管原位癌和浸润性乳腺癌。研究通过患者每日一次在双侧乳房局部涂抹阿非莫昔芬凝胶持续4周,随后进行双侧乳房空心针活检,并随访电话。主要目标是识别驱动个体间皮肤药物渗透差异的皮肤特征,次要目标涉及乳腺组织药物浓度与皮肤组织学、血管分布、转运蛋白及共聚焦反射显微镜特征的关系,并评估放疗后乳房经皮给药的可行性。数据可用于分析药物渗透变异、组织浓度关联及给药可行性(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:癌症幸存者、导管原位癌、浸润性乳腺癌。主要目标:I. 识别驱动个体间皮肤药物渗透差异的皮肤特征。次要目标:I. 将乳腺组织药物浓度与皮肤组织学、皮肤血管分布、皮肤转运蛋白以及使用共聚焦反射显微镜测量的皮肤特征相关联。II. 评估对放疗后乳房进行经皮给药的可行性。概要:患者每日一次(QD)在双侧乳房局部涂抹阿非莫昔芬凝胶,持续4周,然后进行双侧乳房空心针活检。患者在活检后21-35天接受随访电话。

【主题与分类】

主题标签:Cancer Survivor、Ductal Breast Carcinoma In Situ、Invasive Breast Carcinoma。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04009044

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04009044

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:癌症幸存者、导管原位乳腺癌、浸润性乳腺癌。主要目标:I. 确定导致个体间皮肤药物渗透差异的皮肤特征。次要目标:I. 将乳腺组织药物浓度与皮肤组织学、皮肤血管分布、皮肤转运蛋白以及通过共聚焦反射显微镜测量的皮肤特征相关联。II. 评估经皮给药至受辐射乳腺的可行性。大纲:患者每天一次(QD)局部涂抹阿非莫昔芬凝胶于双侧乳房,持续4周,然后进行双侧乳房空心针活检。活检后21-35天,患者接受电话随访。

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。

获取专属数据定制方案