BRAF与TERT、PIK3CA或TP53多基因共突变预测甲状腺乳头状癌中央区淋巴结转移数据集
该数据集包含了521例甲状腺乳头状癌患者的匿名临床表格数据与基因突变数据，数据模态为临床信息（如年龄、肿瘤大小、淋巴结转移状态）和基因组变异信息。其主要用途是研究BRAF、TERT、PIK3CA、TP53等关键基因的共突变模式与中央区淋巴结转移之间的关联，以支持开发用于术前预测淋巴结转移风险的整合模型，推动甲状腺癌的精准诊疗与预后评估研究。
基本信息
资源简介
BRAF与TERT、PIK3CA或TP53多基因共突变预测甲状腺乳头状癌中央区淋巴结转移数据集
【数据集背景】
本数据集源站标题为《Multi-gene co-mutations of BRAF with TERT , PIK3CA , or TP53 are powerful predictors of central lymph node metastasis in papillary thyroid carcinoma》。
【数据内容】
源站原始描述：This dataset contains complete clinical and genomic data of 521 papillary thyroid carcinoma (PTC) patients, aiming to investigate the association between multi-gene co-mutations (BRAF with TERT, PIK3CA, or TP53) and central lymph node metastasis (CLNM). It includes patient demographics, tumor characteristics, lymph node metastasis status, and mutations in key genes. Background: The accurate preoperative prediction of lymph node metastasis (LNM) in papillary thyroid carcinoma (PTC) poses a signif…
【主题与分类】
主题标签：NGS、Next-generation sequencing、Papillary thyroid carcinoma、lymph node metastasis。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:fe053edaa66b30a876b6c414303282defbfc05bc3bfec043fad1ebf429940f8e
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
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
该数据集是一个针对甲状腺乳头状癌（PTC）的临床与基因组整合数据集，包含521名患者的完整匿名数据。数据集整合了患者的人口统计学信息、肿瘤临床病理特征、中央区淋巴结转移状态以及通过二代测序（NGS）技术检测的关键基因（如BRAF、TERT、PIK3CA、TP53）突变数据。数据来源于德阳市人民医院在2022年6月至2025年1月期间的回顾性收集，旨在研究多基因共突变模式与中央区淋巴结转移（CLNM）之间的关联，并用于开发和验证结合基因组学与临床特征的术前淋巴结转移预测风险模型。该数据集主要应用于甲状腺癌的精准医疗、预后预测模型构建以及分子标志物探索等研究方向。
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。
