159例研究病例的组织病理学诊断
该数据集来自 plos.figshare.com，围绕159例因附件肿块接受手术或活检的患者，提供组织病理学诊断相关信息
基本信息
资源简介
159例研究病例的组织病理学诊断
Histopathological diagnosis of 159 study cases.
该数据集来自 plos.figshare.com，围绕159例因附件肿块接受手术或活检的患者，提供组织病理学诊断相关信息。研究纳入133例卵巢肿瘤与26例非卵巢肿瘤，结合术前CA125与CEA血清检测、盆腔/腹部超声及盆腔MR（含形态学与高级序列），并采用recursive partitioning algorithm预测肿瘤来源。数据可用于探索超声、实验室与MR参数在鉴别卵巢与非卵巢来源盆腔肿块中的价值，辅助建立诊断路径（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2023-03-16。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：提供一种直接的方法，序贯使用超声（US）、磁共振（MR）和血清生物标志物，以区分盆腔肿块的来源，从而最有效地利用这些诊断资源。研究设计：这是一项横断面研究，纳入159例因附件肿块接受手术/活检的患者（133例卵巢肿瘤，26例非卵巢肿瘤）。获取术前CA125和CEA血清测量值，并进行盆腔/腹部超声检查。所有患者均接受术前盆腔MR检查。获取形态学和高级MR序列。使用recursive partitioning algorithm预测肿瘤来源，我们设计了一个路线图，仅使用具有统计学显著性的US、实验室和MR参数来确定非卵巢来源的概率。结果：初始US分类为卵巢vers
【数据结构与技术规格】
文件数 1 个，合计 9.73 KB。数据集 DOI：10.1371/journal.pone.0283212.t002。
【主题与分类】
源站学科分类：Biochemistry、Microbiology、Cell Biology、Neuroscience、Chemical Sciences not elsewhere classified、Immunology。主题标签：recursive partitioning algorithm、statistically significant us、advanced mr sequences、upfront us designated、upfront us classification、cea serum measurements、predict tumor origin、ovarian versus non、mr signal diffusion、ovarian origin using。本站分类：肿瘤/附件肿瘤与肿块。
【适用方向】
源站学科分类标注为 Biochemistry、Microbiology、Cell Biology、Neuroscience、Chemical Sciences not elsewhere classified、Immunology。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Histopathological_diagnosis_of_159_study_cases_/22288535
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Pereira, Patrick Nunes; Derchain, Sophie Françoise; Yoshida, Adriana; de Oliveira Barros, Ricardo Hoelz; Jales, Rodrigo Menezes; Sarian, Luís Otávio (2023). Histopathological diagnosis of 159 study cases.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-05-30，引用时请注意版本时效。
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）
- 源站标题：Histopathological diagnosis of 159 study cases.
- DOI：10.1371/journal.pone.0283212.t002
- 发布日期：2023-03-16
- 文件数：1 个
- 文件总体积：9.73 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Histopathological_diagnosis_of_159_study_cases_/22288535
命令行下载
curl -L -o "Table 2.xls" "https://ndownloader.figshare.com/files/39637724"
文件清单
Table 2.xls（9.73 KB）
文件总体积 9.73 KB（源站 API 实测）。
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。
数据说明
目的
提供一种直接的方法，序贯使用超声（US）、磁共振（MR）和血清生物标志物，以区分盆腔肿块的来源，从而最有效地利用这些诊断资源。研究设计
这是一项横断面研究，纳入159例因附件肿块接受手术/活检的患者（133例卵巢肿瘤，26例非卵巢肿瘤）。术前测量了CA125和CEA血清水平，并进行了盆腔/腹部超声检查。所有患者均接受了术前盆腔MR检查。获取了形态学和高级MR序列。使用递归分割算法预测肿瘤来源，我们设计了一个路线图，仅使用具有统计学意义的US、实验室和MR参数来确定非卵巢来源的概率。结果
初始US分类为卵巢与非卵巢以及CA125/CEA比值与非卵巢肿瘤显著相关。信号扩散（缺失/低 versus 高）是唯一与非卵巢肿瘤显著相关的MR参数。
当超声初步判定肿瘤来源于卵巢时，进一步的MR信号扩散及CA125/CEA比值几乎纠正了所有超声误判：MR信号扩散低/缺失的患者，以及信号高但CA125/CEA比值≥25的患者，其可能性极低（结论 MR信号扩散是一项极其有用的MR参数，当超声和实验室检查结果不确定时，有助于判断附件肿块的来源。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0283212.t002（source: https://plos.figshare.com/articles/dataset/Histopathological_diagnosis_of_159_study_cases_/22288535）。
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。
