轻度非哺乳期乳腺炎的单纯观察策略
该数据集来自 clinicaltrials.gov,主题为轻度非哺乳期肉芽肿性小叶性/导管周围乳腺炎(NL-GLM/PDM)的单纯观察策略

基本信息
资源简介
轻度非哺乳期乳腺炎的单纯观察策略
该数据集来自 clinicaltrials.gov,主题为轻度非哺乳期肉芽肿性小叶性/导管周围乳腺炎(NL-GLM/PDM)的单纯观察策略。源站描述指出,该病病因不明,以乳房肿块为主要表现,既往治疗包括病灶内注射、乳管灌洗或糖皮质激素等;近期研究显示对轻症采用观察随访可获得相近疗效,国际共识建议将观察作为轻度 NL-GLM 的一线方案,仅在疾病进展时加用其他治疗。数据集可用于研究该观察策略的适用人群与疾病进展风险(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Granulomatous Mastitis, Mastitis Chronic. 非哺乳期肉芽肿性小叶性/导管周围乳腺炎(NL-GLM/PDM)是一种病因不明的炎症性乳腺疾病,主要特征为存在乳房肿块。已有多种治疗方法被提出,包括病灶内注射、乳管灌洗治疗或糖皮质激素。近期,越来越多的研究表明,对轻症病例采用观察和随访策略可取得相近的疗效。一项国际共识建议,该观察策略可作为轻度 NL-GLM 患者的一线治疗方法,仅在疾病进展时才实施额外治疗。然而,在临床实践中,我们观察到部分轻度 NL-GLM/PDM 患者在观察期间出现疾病进展,需要进一步
【主题与分类】
主题标签:Granulomatous Mastitis、Mastitis Chronic。本站分类:泌尿生殖系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06665399
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/NCT06665399
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:肉芽肿性乳腺炎、慢性乳腺炎。非哺乳期肉芽肿性小叶性/导管周围乳腺炎(NL-GLM/PDM)是一种病因不明的炎症性乳腺疾病,主要以乳腺肿块为特征。目前已提出多种治疗方法,包括病灶内注射、导管灌洗疗法或皮质类固醇。近年来,越来越多的研究表明,对轻症病例采取观察和随访策略可取得相当的疗效。一项国际共识建议,该观察策略可作为轻度NL-GLM患者的一线治疗方法,仅在疾病进展时才实施额外治疗。然而,在临床实践中,我们观察到部分轻度NL-GLM/PDM患者在观察期间出现疾病进展,需要进一步治疗。这部分人群的比例及其疾病进展的具体情况仍不清楚。此外,与观察期间疾病进展相关的临床和病理因素此前尚未被研究。
本研究旨在开展一项单中心、单臂、前瞻性队列研究,探讨轻度NL-GLM/PDM在观察期间疾病进展的速率和时机,并探索与进展相关的临床和病理因素。研究结果将为后续研究和临床实践提供进一步指导。
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。




