循环胃癌细胞分离检测数据集

该数据集包含683份临床血液样本,通过微流控芯片技术实现了循环胃癌细胞(CTCs)的高效分离、检测与多靶标分型,数据模态涉及细胞图像与临床表格信息,主要用于胃癌的早期诊断、个体化治疗指导以及疗效与预后评估研究,为癌症检测和微流控技术应用提供了重要临床验证数据。

南京邮电大学南京邮电大学
国家基础学科公共科学数据中心
浏览 35
CTCs检测微流控芯片多靶标分型与识别纳米生物分析技术自然科学相关工程与技术生物工程
Circulating Gastric Cancer Cell Isolation and Detection Dataset

基本信息

许可
完全共享
创建/更新时间
2026-09-25

资源简介

循环胃癌细胞分离检测数据集

【数据集背景】

源站首次发布:2023-01-17。

【数据内容】

源站原始描述:利用微流控芯片微过滤管道物理拦截及逐级捕获的方法,构建了基于微流控芯片的CTCs检测及分型微系统,建立了高灵敏、高特异性的CTCs检测、计数及鉴定新方法。采用自行研发的试剂盒,提高了CTCs的多靶标分型与识别有效性(可针对免疫治疗靶标PD-L1、上皮标志物EpCAM、间质标志物Vimentin及Her2等检测,用于指导后续的靶向用药及个体化治疗。实现了 CTCs富集、分型、识别与计数的自动化操作。研发的CTCs检测微系统获得医疗器械注册证(京经械备20200145号)。CTCs检测微系统临床验证结果:共收集683份临床血液标本,研究结果表明,这套检测体系可以在95%的病人外周血样本中检测到CTCs,CTCs与病人的分期、是否转移有密切的关系。

【数据结构与技术规格】

文件数 17 个,合计 8.03 MB。

【主题与分类】

主题标签:CTCs检测、微流控芯片、多靶标分型与识别、纳米生物分析技术、自然科学相关工程与技术、生物工程。

【获取与许可】

源站页面:https://www.nbsdc.cn/general/dataDetail?id=64ef2ea4bb16e07b0603aed3&type=1

使用许可:完全共享。

规范引用:CSTR:16666.11.nbsdc.JVkVmWFL

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://www.nbsdc.cn/general/dataDetail?id=64ef2ea4bb16e07b0603aed3&type=1

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集基于微流控芯片技术,通过微过滤管道物理拦截与逐级捕获方法,构建了循环肿瘤细胞(CTCs)检测与分型微系统,实现了高灵敏、高特异性的CTCs检测、计数及鉴定。数据集包含683份临床血液标本,采用自主研发的试剂盒,可针对PD-L1、EpCAM、Vimentin、Her2等多靶标进行分型与识别,用于指导靶向用药和个体化治疗。研究结果表明,该检测体系在95%的患者外周血样本中成功检测到CTCs,且CTCs数量与患者分期、转移状态密切相关。数据集支持胃癌的早期诊断、疗效评估及预后监测等研究方向。

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。

获取专属数据定制方案