植物来源营养素在女性乳腺癌预防与预后中的作用
该数据集来自 clinicaltrials.gov,主题为植物来源营养素在女性乳腺癌预防与预后中的作用,涉及乳腺癌这一全球女性最常见的恶性肿瘤

基本信息
资源简介
植物来源营养素在女性乳腺癌预防与预后中的作用
该数据集来自 clinicaltrials.gov,主题为植物来源营养素在女性乳腺癌预防与预后中的作用,涉及乳腺癌这一全球女性最常见的恶性肿瘤。源站描述指出,2020 年乳腺癌超越肺癌成为全球最常见癌症,中国当年新发病例 41.6 万例,占全部新发癌症的 9.1%、女性新发癌症的 19.9%,死亡率由 2003 年的 4.87/10 万升至 2020 年的 9.50/10 万。数据可用于研究植物营养素与乳腺癌预防及预后的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:乳腺癌。乳腺癌是全球女性中最常见的恶性肿瘤,平均每 1.8 秒就有一例新病例被诊断;2020 年,它超越肺癌成为全球最普遍的癌症。在我国,随着生活方式的改变,乳腺癌的发病率逐年上升;2020 年有 41.6 万例新发病例,占所有新发癌症诊断的 9.1%,占女性新发癌症病例的 19.9%,使其成为中国女性中最常见的癌症。在发病率上升的同时,我国乳腺癌的死亡率也逐年增加,从 2003 年的 4.87/10 万、2015 年的 6.67/10 万上升至 2020 年的 9.50/10 万。尽管手术、化疗和靶向治疗等治疗手段不断进步,但复发、转移和治疗相关副作用等问题仍然存在。
【主题与分类】
主题标签:Breast Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07868159
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/NCT07868159
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:乳腺癌。乳腺癌是全球女性中最常见的恶性肿瘤,平均每1.8秒就有1例新发病例;2020年,它超过肺癌成为全球最常见的癌症。在我国,随着生活方式的改变,乳腺癌的发病率逐年上升;2020年,我国新发病例为41.6万例,占所有新发癌症诊断的9.1%,占女性新发癌症病例的19.9%,使其成为中国女性中最常见的癌症。在发病率上升的同时,我国乳腺癌的死亡率也逐年增加,从2003年的4.87/10万、2015年的6.67/10万上升至2020年的9.50/10万。尽管手术、化疗和靶向治疗等治疗手段不断进步,但复发、转移和治疗相关副作用等问题仍严重损害患者的生活质量。
在高危人群中,遗传因素(如BRCA突变)、激素暴露和生活方式选择等因素共同推动了该疾病的发生风险;因此,迫切需要有效的预防措施来降低发病率,以及创新策略来改善患者预后并减轻疾病负担。膳食营养是乳腺癌一级预防和康复管理中的关键可改变因素。研究人员发现,地中海饮食能够显著改善炎症和免疫标志物,包括干扰素-γ(IFN-γ)、白细胞介素-6(IL-6)和肿瘤坏死因子-α(TNF-α)。研究表明,来源于植物的生物活性化合物通过抗氧化活性、抗炎作用及表观遗传调控等机制影响乳腺癌的发生和进展。例如,辅酶Q10能够抑制肿瘤生长,增强乳腺癌内分泌治疗的疗效,并减轻化疗引起的
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。




