高维癌症微阵列基因表达数据集

数据集获取

源站：https://doi.org/10.17632/df6kny63dw.1

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 9.0 MB。

数据说明

该数据集包含四种不同癌症类型的基因表达谱：脑肿瘤（中枢神经系统）、弥漫性大B细胞淋巴瘤（DLBCL）、白血病和前列腺癌。文件包括适用于机器学习和生物信息学分析的.csv和.arff两种格式。每个数据集包含来自癌症和对照组织的样本，其特征代表了通过微阵列实验获得的基因表达水平。这些数据通过预处理、基因排序、基于元启发式的特征选择和分类，用于识别潜在的致癌基因。其目的是支持癌症研究、基因发现以及计算生物学中的基准研究。

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。