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。
创建时间2016-01-15
更新时间2016-01-15
原始链接
https://figshare.com/articles/dataset/_Vascular_Pattern_Analysis_for_the_Prediction_of_Clinical_Behaviour_in_Pheochromocytomas_and_Paragangliomas_/1346449
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 嗜铬细胞瘤 的高质量、多模态真实临床数据定制解决方案。