治疗诱导的高级别胶质瘤基因组特征
该数据集来自 omicsdi.org，聚焦于接受多模式治疗的儿童癌症幸存者中出现的治疗诱导高级别胶质瘤，提供其基因组特征数据
基本信息
资源简介
治疗诱导的高级别胶质瘤基因组特征
该数据集英文名为 Genomic Characterization of Treatment Induced High Grade Glioma，来源于 omicsdi.org，本站将其归类于肿瘤 / 脑肿瘤方向。数据集聚焦于接受多模式治疗的儿童癌症幸存者中出现的治疗诱导高级别胶质瘤，围绕这一特定临床情形的基因组特征提供数据。源站描述进一步说明，其研究对象是儿童癌症经多模式治疗存活后发生的高级别胶质瘤，主题标签为 Genomics。整体而言，该数据集面向治疗相关继发性高级别胶质瘤的基因组研究，为理解此类肿瘤的分子特征提供数据基础，适合与儿童癌症幸存者长期随访、治疗相关肿瘤发生机制等研究方向结合使用。
【数据集背景】
该数据集关注的是一个具有明确临床背景的肿瘤类型：治疗诱导的高级别胶质瘤。这类肿瘤发生在儿童癌症幸存者群体中，且这些幸存者此前接受过多模式治疗。源站描述将其表述为“Arising in Survivors of Childhood Cancer Treated with Multi-modality Therapy”，即发生于接受多模式治疗的儿童癌症幸存者中的治疗诱导高级别胶质瘤。数据集的核心主题标签为 Genomics，表明其内容围绕基因组层面的特征展开。对于儿童癌症幸存者而言，治疗相关继发肿瘤是长期随访中需要关注的问题，而该数据集正是从基因组角度切入这一情形，为相关研究提供专门的数据资源。
【数据内容】
依据源站描述，该数据集提供的是治疗诱导高级别胶质瘤的基因组特征数据，研究对象限定为儿童癌症幸存者中出现的此类肿瘤。数据集的主题标签为 Genomics，说明其数据内容属于基因组学范畴。本站分类将其归入肿瘤 / 脑肿瘤，反映其所涉及的疾病部位与类型。除上述信息外，关于数据的具体样本数量、测序平台、变异类型、文件格式等细节，源站未提供。
【采集与来源】
该数据集来源于 omicsdi.org。源站描述说明了其研究对象的临床来源，即接受多模式治疗的儿童癌症幸存者。关于样本采集的具体机构、采集时间、采集流程、伦理审批信息以及数据加工步骤，源站未提供。
【适用场景】
该数据集适用于与治疗诱导高级别胶质瘤相关的基因组研究场景，尤其是针对儿童癌症幸存者这一特定人群的继发肿瘤研究。研究者可将其用于探讨此类肿瘤的基因组特征，或与儿童癌症长期随访、治疗相关肿瘤发生机制等方向结合。由于主题标签为 Genomics，其适用方向以基因组学分析为主。关于具体的分析用途、模型训练或临床决策支持等应用，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问接口、文件组织格式、分析流程或配套工具等信息。
【质量与限制】
源站未提供关于数据质量、完整性、准确性、样本量、批次效应或使用限制等方面的说明。使用者在利用该数据集时，需自行评估其适用性。
【引用与许可】
源站未提供该数据集的引用方式、许可协议或使用条款等信息。
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
源站：https://omicsdi.org/dataset/project/PRJEB32299
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
Genomic Characterization of Treatment Induced High Grade Glioma Arising in Survivors of Childhood Cancer Treated with Multi-modality Therapy
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。
