乳腺癌及乳腺导管原位癌术中成像的容积标本成像设备VIVID研究
该数据集来自 clinicaltrials.gov,聚焦乳腺癌与乳腺导管原位癌的术中成像研究,涉及解剖分期 0 期乳腺癌、双侧乳腺癌、乳腺导管原位癌、浸润性乳腺癌及多中心乳腺癌等情形

基本信息
资源简介
乳腺癌及乳腺导管原位癌术中成像的容积标本成像设备VIVID研究
该数据集来自 clinicaltrials.gov,聚焦乳腺癌与乳腺导管原位癌的术中成像研究,涉及解剖分期 0 期乳腺癌、双侧乳腺癌、乳腺导管原位癌、浸润性乳腺癌及多中心乳腺癌等情形。主要目标是评估在保乳手术中使用容积标本成像设备(VSI)能否让外科医生准确识别切缘状态,使最终手术病理中未被 VSI 图像判读发现的阳性切缘患者比例不超过 10%。次要目标包括计算 VSI 引导削切与肿块切除标本病理相比的敏感性和特异性。数据可用于术中切缘评估与手术决策相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:解剖分期 0 期乳腺癌 AJCC v8、双侧乳腺癌、乳腺导管原位癌、浸润性乳腺癌、多中心乳腺癌、预后分期 0 期乳腺癌 AJCC v8。主要目标:I. 确定在患有浸润性乳腺癌和/或导管原位癌(DCIS)的女性保乳手术中,术中使用的容积标本成像(VSI)设备是否能让外科医生准确识别切缘状态,使得最终手术病理中未被 VSI 图像判读识别为需切除的阳性切缘患者比例 =<10%。次要目标:I. 当术中 VSI 设备成像用于识别接近肿瘤切缘以进行定向腔隙削切时,计算 VSI 引导削切与肿块切除标本病理相比的敏感性和特异性。
【主题与分类】
主题标签:Anatomic Stage 0 Breast Cancer AJCC v8、Bilateral Breast Carcinoma、Breast Ductal Carcinoma In Situ、Invasive Breast Carcinoma、Multicentric Breast Carcinoma、Prognostic Stage 0 Breast Cancer AJCC v8。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05545150
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/NCT05545150
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
疾病条件:解剖分期0期乳腺癌AJCC v8、双侧乳腺癌、乳腺导管原位癌、浸润性乳腺癌、多中心乳腺癌、预后分期0期乳腺癌AJCC v8。主要目标:I. 确定在浸润性乳腺癌和/或导管原位癌(DCIS)女性患者接受保乳手术期间,术中使用体积标本成像(VSI)设备是否能让外科医生准确识别边缘状态,使得最终主标本手术病理中VSI图像解读未能识别的阳性边缘患者比例≤10%。次要目标:I. 当VSI设备成像在术中被用于识别浸润性乳腺癌和/或DCIS接受保乳手术女性患者的近肿瘤边缘以指导定向腔隙剃除时,计算VSI指导的剃除与肿块切除标本病理相比的敏感性和特异性。II. 计算在浸润性乳腺癌和/或DCIS女性患者保乳手术时使用VSI设备获取图像所花费的时间长度。III.
计算在患有浸润性乳腺癌和/或DCIS的女性接受保乳手术时,切除肿瘤边缘的主肿瘤切除标本中切除组织的体积,以及VSI引导的腔隙刮除术中切除组织的体积。其他预先指定的目标:I. 将VSI引导的腔隙刮除术联合肿瘤切除术的估计最终阳性边缘率,与标准护理边缘评估联合肿瘤切除术的历史最终阳性边缘率进行比较,其中“阳性边缘”依据已发表的指南定义。II. 将VSI引导的腔隙刮除术联合肿瘤切除术的估计最终阳性边缘率,与标准护理边缘评估联合肿瘤切除术的历史最终阳性边缘率进行比较,其中“阳性边缘”依据机构实践定义。III. 将接受VSI引导的腔隙刮除术联合肿瘤切除术的患者的估计再手术率,与既往接受肿瘤切除术联合
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。




