基于深度学习影像组学联合液体活检的胶质瘤术前无创诊断数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05536024

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。

数据说明

条件：胶质瘤（诊断）、液体活检、深度学习。胶质瘤是最常见的原发性颅内恶性肿瘤，占所有原发性脑肿瘤的27%，全球每年约有10万人被诊断为弥漫性胶质瘤。迄今为止，“整合诊断”被认为是胶质瘤诊断的金标准，它结合了组织病理学、分子病理学和世界卫生组织（WHO）分级。以往的胶质瘤诊断标准主要依赖于组织病理学活检，而组织学分类传统上是根据肿瘤形态学来确定的，由于肿瘤内部的空间异质性和采样误差，导致观察者内部存在变异性。此外，传统组织病理学在某种程度上难以解释为什么相同病理类型的患者生存期存在显著差异。在过去十年中，分子病理学和组织病理学检测技术的进步加深了我们对胶质瘤分子特征和生物学的理解。越来越多的证据揭示了分子状态在胶质瘤“整合诊断”中的重要作用。

特别是，在2016年WHO中枢神经系统（CNS）分类提出分子诊断概念之后，2021年CNS分类（CNS5）再次强调了若干分子生物标志物在胶质瘤诊断和治疗指导中的重要性，包括异柠檬酸脱氢酶基因（IDH）突变状态、α-地中海贫血/智力障碍综合征X连锁（ATRX）缺失状态、1p19q缺失状态、端粒酶逆转录酶（TERT）启动子突变等。其目的是更系统地对肿瘤亚型进行分类，并将疗效和预后相似的胶质瘤患者归入同一亚组。目前胶质瘤的标准治疗是手术切除，随后根据临床情况、肿瘤分级和分子特征进行放疗和/或化疗。术前无创且准确的早期“整合

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。