前列腺癌高遗传风险男性
该数据集来自clinicaltrials.gov，聚焦前列腺癌高遗传风险男性人群。覆盖携带已知胚系致病变异或可能致病变异的男性，涉及BRCA1、BRCA2、DNA错配修复基因（MLH1、MSH2、MSH6、PMS2、EPCAM）及HOXB1等
基本信息
资源简介
前列腺癌高遗传风险男性
该数据集来自clinicaltrials.gov，聚焦前列腺癌高遗传风险男性人群。覆盖携带已知胚系致病变异或可能致病变异的男性，涉及BRCA1、BRCA2、DNA错配修复基因（MLH1、MSH2、MSH6、PMS2、EPCAM）及HOXB1等。数据可用于研究遗传易感性与前列腺癌自然史的关系，支持基于遗传背景的风险分层、筛查策略优化及疾病预测模型开发（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：前列腺肿瘤。背景：前列腺癌是美国男性中最常见的恶性肿瘤，也是癌症相关死亡的第二大原因。前列腺癌具有显著的遗传易感性，某些遗传变异与前列腺癌风险增加相关。一种不断发展的前列腺癌筛查方法是根据遗传易感性，针对有前列腺癌发病风险的人群进行筛查。目的：随访携带已知胚系变异或可能致病变异的男性，这些基因使他们面临前列腺癌发病风险，以观察其自然史。入选标准：年龄30-75岁的男性。记录有前列腺癌相关风险基因的胚系致病或可能致病变异：BRCA 1和2、与Lynch综合征相关的DNA错配修复（MMR）基因（MLH1、MSH2、MSH6、PMS2和EPCAM）、HOXB1
【主题与分类】
主题标签：Prostatic Neoplasms。本站分类：肿瘤/前列腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT03805919
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/NCT03805919
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
条件：前列腺肿瘤。背景：前列腺癌是美国男性中最常见的恶性肿瘤，也是癌症相关死亡的第二大原因。前列腺癌具有显著的遗传易感性，某些基因变异与前列腺癌风险增加相关。一种不断发展的前列腺癌筛查方法是根据遗传易感性，针对有前列腺癌发病风险的人群进行筛查。目的：随访已知携带使其有患前列腺癌风险的基因胚系变异或可能致病变异的男性的自然病史。入选条件：年龄在30-75岁之间的男性。记录有前列腺癌相关风险基因的胚系致病性或可能致病性变异：BRCA 1和2、与Lynch综合征相关的DNA错配修复（MMR）基因（MLH1、MSH2、MSH6、PMS2和EPCAM）、HOXB13、ATM、NBN、TP53、CHEK2、PALB2、RAD51C、RAD51D、BRIP1或FANC（FANCA、FANCB、FANCC、FANCD2、FANCE、FANCF、FANCG、FANCI、FANCL和FANCM）。必须能够并愿意提供知情同意。设计：将招募最多500名受试者。
参与者将接受血液采样以检测前列腺特异性抗原。根据这些结果和年龄，若临床判断可行，参与者将被考虑进行活检和/或持续监测。参与者将接受基线MRI评估，并根据临床指示每2年进行随访扫描。初次评估后，参与者将根据临床指示进行随访，通常每12个月一次，以确定其PSA水平、前列腺癌治疗情况（如相关）和/或疾病/生存状态，直至死亡。
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。
