CNS-PNETs 分子分类揭示的新型脑肿瘤实体

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAS00001001632

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

中枢神经系统原始神经外胚层肿瘤（CNS-PNETs）是高度侵袭性、低分化的胚胎性肿瘤，主要发生于幼儿，但也影响青少年和成人。在此，我们证明，相当一部分在机构内诊断的CNS-PNETs，其分子特征与多种其他明确界定的中枢神经系统肿瘤实体难以区分，这有助于这些肿瘤患者的诊断和适当治疗。从剩余的CNS-PNETs部分中，我们识别出四种新的中枢神经系统肿瘤实体，每种均与一种复发性遗传改变及不同的组织病理学和临床特征相关。这些新的分子实体被命名为“FOXR2激活的中枢神经系统神经母细胞瘤（CNS NB-FOXR2）”、“CIC改变的中枢神经系统尤文肉瘤家族肿瘤（CNS EFT-CIC）”、“MN1改变的中枢神经系统高级别神经上皮肿瘤（CNS HGNET-MN1）”和“BCOR改变的中枢神经系统高级别神经上皮肿瘤（CNS HGNET-BCOR）”，将有助于开展有意义的临床试验，并为受低分化中枢神经系统肿瘤影响的患者制定治疗策略。

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。