妇科癌症盆腔手术女性纵向评估数据集
该数据集来自 clinicaltrials.gov,聚焦因妇科恶性肿瘤接受盆腔脏器切除术的女性人群,覆盖宫颈癌、子宫内膜癌、阴道癌、外阴癌及女性生殖系统恶性肿瘤

基本信息
资源简介
妇科癌症盆腔手术女性纵向评估数据集
该数据集来自 clinicaltrials.gov,聚焦因妇科恶性肿瘤接受盆腔脏器切除术的女性人群,覆盖宫颈癌、子宫内膜癌、阴道癌、外阴癌及女性生殖系统恶性肿瘤。数据可用于分析术后并发症类型及其与阴道、膀胱重建方式的差异,评估组织学、肿瘤大小、切缘距离等病理复发预测因素,并纵向追踪生活质量、性功能与症状变化,以及白蛋白、电解质、体重指数等术前因素的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:宫颈癌、子宫内膜癌、女性生殖系统恶性肿瘤、阴道癌、外阴癌。主要目标:I. 确定在德克萨斯大学(UT)MD Anderson 癌症中心接受盆腔脏器切除术的女性所经历的并发症类型。II. 确定在 UT MD Anderson 癌症中心接受盆腔脏器切除术的女性所经历的并发症数量是否因阴道和膀胱重建类型而异。次要目标:I. 评估复发的病理预测因素,包括组织学、肿瘤大小和最近切缘距离。II. 纵向评估因妇科恶性肿瘤接受盆腔脏器切除术的女性的生活质量、性功能和症状。III. 评估某些术前因素(白蛋白、电解质水平、体重指数
【主题与分类】
主题标签:Cervical Carcinoma、Endometrial Carcinoma、Vaginal Carcinoma、Vulvar Carcinoma。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00791635
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/NCT00791635
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:宫颈癌、子宫内膜癌、女性生殖系统恶性肿瘤、阴道癌、外阴癌。主要目标:I. 确定在德克萨斯大学(UT)MD安德森癌症中心接受盆腔廓清术的女性所经历的并发症类型。II. 确定在UT MD安德森癌症中心接受盆腔廓清术的女性所经历的并发症数量是否因阴道和膀胱重建类型而异。次要目标:I. 评估复发的病理预测因素,包括组织学、肿瘤大小和最近切缘距离。II. 纵向评估因妇科恶性肿瘤接受盆腔廓清术的女性的生活质量、性功能和症状。III. 评估某些术前因素(白蛋白、电解质水平、体重指数)对术后并发症发生的影响。IV. 确定术前正电子发射断层扫描(PET)/计算机断层扫描(CT)是否与手术时的病理发现相关。V.
计算接受盆腔廓清术患者的复发时间、总生存期和无病生存期,并与关键的人口学、临床和病理因素进行相关性分析。大纲:回顾性部分:接受过盆腔廓清术的患者完成一套生活质量(QOL)问卷。前瞻性部分:接受盆腔廓清术的患者在术前2周内,以及术后4-12周、6个月、1年、2年、3年、4年、5年和10年时,用20-40分钟完成关于感受、能力、抑郁、应对、社会支持、性功能和身体意象的问卷。宫颈癌患者可能在每次随访时完成1份额外问卷。接受手术的患者在前2年每3个月随访一次,之后3年每6个月随访一次。
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。




