脑肿瘤血浆代谢组学数据集（Godlewski 等，2023）

数据集获取

源站：https://doi.org/10.5281/zenodo.23498714

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。

数据集大小约 106.9 KB。

数据说明

Godlewski等人（2023）发表于《Scientific Reports》13：11044的论文《A comparison of different machine-learning techniques for the selection of a panel of metabolites allowing early detection of brain tumors》（doi：10.1038/s41598-023-38243-1）中完整补充表S2的无损CSV表示。包含235份血浆样本、138项数值型代谢物测量值、原始样本名称标识符，以及六种样本类型标签：胶质瘤1级（3）、2级（15）、3级（10）、4级（66）、脑膜瘤（70）和健康对照（71）。分类任务为根据138种代谢物预测样本类型，样本标识符不纳入预测。数据中无缺失值，也无预定义的训练/测试划分。该表提供94份胶质瘤样本，而论文报告为95份；原因尚未确定。原始测量值由研究作者进行了归一化处理，筛选出至少在80%样本中存在的代谢物，并以相应代谢物和批次检测限的一半进行填补。Datamonger仅将XLSX转换为CSV并采用确定性gzip压缩。所有存储值、精度、名称、标签、样本以及行和列顺序均保持不变。

未应用额外的过滤、归一化、缩放、插补或二值标签映射。包含 data.csv.gz、README.md、prepare.py、verify.py、verify.R、provenance.json 和 LICENSE。验证会将每个 CSV 单元格与独立的工作簿读取器进行比较，检查可重复的产物哈希，并比较 R 与 Python 解码器的规范摘要。复现脚本需要 Datamonger 仓库及其开发环境；verify.py 额外使用 openpyxl 3.1.5。详见 README.md。源数据和转换后的表格依据 Creative Commons Attribution 4.0 International 许可。请注明原作者和来源，链接至该许可，并说明 XLSX 到 CSV 的转换及 gzip 压缩。随附的 MIT LICENSE 仅适用于新的准备代码和文档。Datamonger 数据集

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。