肿瘤组织、血液样本与家族史预测年轻低级别胶质瘤患者的肿瘤发生与治疗反应

数据集获取

源站：https://clinicaltrials.gov/study/NCT00891722

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

疾病：脑与中枢神经系统肿瘤。目的：* 更深入地了解低级别胶质瘤为何在儿童和青少年中发生。* 利用这些患者的肿瘤和血液样本，研究可能预测治疗反应的遗传特征，并为这些肿瘤最初如何形成提供线索。大纲：这是一项多中心研究。* 回顾性数据收集（针对从SIOP-LGG1研究招募的参与者）：在SIOP-LGG1研究的随访预约期间，要求亲生父母双方填写一份关于其家族癌症史的问卷。他们可以在诊所或家中完成问卷。参与者可在整个研究期间的任何时间完成并交回问卷。 前瞻性数据收集（针对从SIOP-LGG-2004研究招募的参与者）：要求亲生父母双方*填写一份家族史问卷，并提供其家族癌症史的信息。参与者可在整个研究期间的任何时间完成并交回问卷。

注：若生物学父母一方或双方无法完成问卷，可由诊断为低级别胶质瘤的患者（若年龄超过16岁）或养父母或监护人完成，前提是他们认为自己有能力完成问卷。在SIOP-LGG1或SIOP-LGG-2004中收集的肿瘤组织和血液样本将进行遗传特征分析，以预测治疗反应、肿瘤发展的不同模式、肿瘤自然行为及对癌症治疗的敏感性。收集的家庭数据将匿名处理，并与所收集的生物样本关联。随后，样本将被保存以供未来的分子遗传学研究。

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。