CPSM癌症患者生存风险模型支持数据

数据集获取

源站：https://doi.org/10.5524/102823

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

该数据集支持癌症患者生存模型（CPSM）的开发与验证，CPSM是一个R包，旨在利用多组学和临床数据为癌症患者生成个体化生存与风险预测。传统的生存分析方法如Kaplan-Meier曲线可总结广泛患者群体的生存趋势，但无法考虑个体患者独特的临床、基因组和人口学特征。本数据集的创建旨在实现可重复的个性化生存建模，通过完全集成的计算流程弥合这一差距。该数据集包含源自癌症基因组图谱（TCGA）的公开多组学和临床数据，涵盖四种癌症类型：多形性胶质母细胞瘤（GBM）、急性髓系白血病（LAML）、胰腺腺癌（PAAD）和乳腺浸润性癌（BRCA）。具体而言，数据包括每种癌症类型超过60,000个RNA转录本的高维RNA转录本表达谱，以及相关的临床和人口学变量，包括生存时间、生命状态、年龄和其他相关患者层面的注释。

该数据集经过组织和格式化处理，可直接兼容CPSM流程的四个核心处理步骤：数据预处理与归一化、特征选择、生存风险分组预测建模，以及可视化与列线图构建。此处提供的数据可供研究人员和生物信息学家用于复现相关手稿中呈现的分析、将新的生存建模方法与CPSM框架进行基准比较，或将CPSM R包应用于其自身的多组学数据集。结构化的格式及随附文档使该数据集适用于训练和测试个体化生存预测模型、评估高维环境下的特征选择策略，以及探索临床与转录组变量的整合。

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。