超低分割辅助全乳放疗联合同步整合加量治疗早期乳腺癌 (H-ASSIST)

数据集获取

源站：https://clinicaltrials.gov/study/NCT06902311

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

条件：乳腺癌、早期乳腺癌、导管原位癌、DCIS。近期多项研究证明，同步整合加量（SIB）方法具有非劣效性。本研究将纳入50岁及以上、被建议接受全乳照射并采用标准剂量加量且不进行区域淋巴结照射的女性。放射治疗将包括每隔一天（不包括周末）进行5次分割照射，全乳总剂量为26 Gy，同时对肿瘤切除腔进行同步整合加量，总剂量为30 Gy。本研究的主要结局是探讨接受五次分割全乳放射治疗并同步加量的患者乳房和胸壁中中度至显著不良反应的发生率。放射相关毒性结局将由临床医生和患者在12个月时进行评估，同时在治疗后24个月评估生活质量和肿瘤控制情况。

假设采用5次大分割全乳照射并同步整合加量，相对于历史对照，将产生临床可接受的中度至显著毒性反应率，同时提供良好的生活质量和较高的疾病控制率。

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。