嗜铬细胞瘤和副神经节瘤临床行为预测的血管模式分析数据集

该数据集包含184例经基因鉴定的嗜铬细胞瘤和副神经节瘤病例的CD34免疫标记血管模式图像数据,属于病理影像模态,通过六名观察者对血管结构规则性进行评分,旨在验证血管模式分析作为区分肿瘤良恶性的预测工具,并探讨其与临床结局、肿瘤大小及基因型的关联,为神经内分泌肿瘤的预后评估提供辅助形态学依据。

Figshare
2016-01-15 更新
浏览 20
CD 34 immunolabeledmalignancyVascular Pattern Analysispcctumorpattern analysispgl
Vascular Pattern Analysis for the Prediction of Clinical Behaviour in Pheochromocytomas and Paragangliomas

基本信息

大小
0.035978318 GB
许可
CC BY 4.0
创建/更新时间
2016-01-15
版本
v1

资源简介

嗜铬细胞瘤和副神经节瘤临床行为预测的血管模式分析数据集

【数据集背景】

本数据集源站标题为《Vascular Pattern Analysis for the Prediction of Clinical Behaviour in Pheochromocytomas and Paragangliomas》。配套论文《Vascular Pattern Analysis for the Prediction of Clinical Behaviour in Pheochromocytomas and Paragangliomas》发表于 PLOS ONE(2015),DOI:10.1371/journal.pone.0121361。源站首次发布:2015-03-20。

【数据内容】

源站原始描述:Pheochromocytomas (PCCs) are neuroendocrine tumors arising from chromaffin cells of the adrenal medulla. Related tumors that arise from the paraganglia outside the adrenal medulla are called paragangliomas (PGLs). PCC/PGLs are usually benign, but approximately 17% of these tumors are malignant, as defined by the development of metastases. Currently, there are no generally accepted markers for identifying a primary PCC or PGL as malignant. In 2002, Favier et al. described the use of vascular arch…

【数据结构与技术规格】

文件数 5 个,合计 35.98 MB。S1_Fig.tif:image/tiff,4.94 MB。数据集 DOI:10.1371/journal.pone.0121361。

【主题与分类】

源站学科分类:Biological Sciences。主题标签:CD 34 immunolabeled、malignancy、Vascular Pattern Analysis、pcc、tumor、pattern analysis、pgl。

【适用方向】

源站学科分类标注为 Biological Sciences。

【获取与许可】

源站页面:https://plos.figshare.com/articles/dataset/_Vascular_Pattern_Analysis_for_the_Prediction_of_Clinical_Behaviour_in_Pheochromocytomas_and_Paragangliomas_/1346449

使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。

规范引用:Oudijk, Lindsey; van Nederveen, Francien; Badoual, Cécile; Tissier, Frédérique; S. Tischler, Arthur; Smid, Marcel; et al. (2016). Vascular Pattern Analysis for the Prediction of Clinical Behaviour in Pheochromocytomas and Paragangliomas. PLOS ONE. Dataset

【使用注意】

· 源站最后修改于 2023-06-01,引用时请注意版本时效。

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(Figshare)

源站:https://figshare.com/articles/dataset/_Vascular_Pattern_Analysis_for_the_Prediction_of_Clinical_Behaviour_in_Pheochromocytomas_and_Paragangliomas_/1346449

按页面 Download 按钮获取。

数据说明

该数据集是一个用于研究嗜铬细胞瘤(PCC)和副神经节瘤(PGL)血管模式与恶性肿瘤预测的医学影像数据集。数据集包含184例经过基因特征明确鉴定的PCC/PGL病例的CD34免疫标记血管模式图像,由六名独立观察者进行评分。数据通过病理切片免疫组化染色获取,记录了血管结构的规则性特征(如规则短直毛细血管或不规则血管弧、平行网络等)。主要研究方向是验证血管模式分析作为区分良恶性PCC/PGL的预测工具的有效性,并探索其与肿瘤大小、基因型(特别是簇2基因型)的关联。研究结果表明,血管模式分析单独使用时的平均敏感性和特异性分别为59.7%和72.9%,可作为恶性肿瘤的辅助指标,结合其他形态学特征用于临床预后评估。

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