利用生物标志物预测高危乳腺癌复发与认知功能
该数据集来自 clinicaltrials.gov,聚焦局部晚期乳腺癌及高危可手术乳腺癌患者。源站描述涉及患者接受化疗、手术、放疗和激素联合治疗后的癌症复发风险与认知功能变化,提及约三分之一接受化疗的乳腺癌患者报告持续的思维能下降(“chemofog”),并关注血液中细胞因子等炎症分子与认知下降的潜

基本信息
资源简介
利用生物标志物预测高危乳腺癌复发与认知功能
该数据集来自 clinicaltrials.gov,聚焦局部晚期乳腺癌及高危可手术乳腺癌患者。源站描述涉及患者接受化疗、手术、放疗和激素联合治疗后的癌症复发风险与认知功能变化,提及约三分之一接受化疗的乳腺癌患者报告持续的思维能下降(“chemofog”),并关注血液中细胞因子等炎症分子与认知下降的潜在关联。数据可用于探索生物标志物对疾病复发和认知功能的预测价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:局部晚期乳腺癌、乳腺癌。科学摘要 背景:患有局部晚期乳腺癌(LABC)的女性,以及高风险(T2-3/N+4、三阴性)但仍可手术的乳腺癌女性,接受包括化疗、手术、放疗和激素治疗在内的联合治疗。这些治疗降低了癌症复发的机会,但伴有若干副作用,包括认知困难。约三分之一的接受化疗的乳腺癌患者报告治疗后思维能力持续下降(“chemofog”)。认知下降的原因尚不清楚。然而近期有信息表明:(i)癌症患者血液中可能有高水平的细胞因子和其他炎症分子;(ii)向动物注射细胞因子,以及将其用于治疗某些人类疾病,可导致p
【主题与分类】
主题标签:Locally Advanced Breast Cancer、Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00756132
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/NCT00756132
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
研究条件:局部晚期乳腺癌、乳腺癌。科学摘要 背景:患有局部晚期乳腺癌(LABC)的女性,以及高风险(T2-3/N+4,三阴性)但仍可手术的乳腺癌女性,接受包括化疗、手术、放疗和激素治疗在内的综合治疗。这些治疗降低了癌症复发的风险,但伴随多种副作用,其中包括认知障碍。约三分之一的接受化疗的乳腺癌患者报告治疗后思维能力持续下降(“化疗脑”)。认知下降的原因尚不清楚。
然而,近期有信息表明:(i) 癌症患者血液中可能具有高水平的细胞因子和其他炎症分子;(ii) 向动物注射细胞因子,以及将其用于治疗某些人类疾病,可能导致记忆和其他认知能力方面的问题;(iii) 一些乳腺癌生存者细胞因子水平非常高,却没有证据表明其癌症仍处于活动期;(iv) 在一些晚期癌症中,不同的细胞因子和其他炎症标志物对疾病结局具有预后信息。神经元蛋白(APOe、BDNF、COMT)的遗传多态性可预测非癌症人群的认知功能下降。目的:本纵向研究将确定细胞因子和其他炎症标志物的血清水平是否与以下相关:1)认知功能障碍;2)LABC/高危女性的疾病复发。方法:在120名LABC/高危女性中,将评估细胞因子和炎症标志物与癌症复发的关系;将在化疗前、手术前以及诊断后1年和2年时采血。
在60名患有局部晚期乳腺癌(LABC)/高风险乳腺癌的女性子集中,认知表现将在与采血相近的时间点进行评估。同样,一个由60名健康女性组成的对照组也将接受细胞因子和认知表现的评估。我们还将评估基因多态性的预测作用。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




