基于人工智能的早期浸润性小叶乳腺癌预后因素识别

数据集获取

源站：https://clinicaltrials.gov/study/NCT07842055

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：早期浸润性小叶乳腺癌。自1996年至2022年，根据St.Gallen标准，共有6,918例可手术、复发风险为中危或高危的符合条件的乳腺癌患者，在3项随机和5项观察性临床研究的背景下，接受了含表柔比星、环磷酰胺、紫杉烷（仅HE_10/97中的一个臂未包含紫杉烷）和“强化”CMF的剂量密集序贯辅助化疗。辅助内分泌治疗和放疗按指征给予。来自入组Hellenic Cooperative Oncology Group（HeCOG）开展的三项随机III期试验（HE 10/97、HE 10/00、HE 10/05）、一项可行性研究（HE 10/04）和四项观察性研究（HE 10/08、HE 10/10、HE10/13、HE10A/13）的患者的IHC和FiSH数据将进行回顾性分析。所有患者均在随机化前签署了研究专用的书面知情同意书，同意参加试验并允许将其生物材料用于未来研究目的。所有研究均按照《赫尔辛基宣言》进行。肿瘤材料主要采用组织芯片（TMA）进行检测。尽管当地病理实验室已提供HER2评估，但所有肿瘤均在分子肿瘤学实验室按照ASCO/CAP指南对ER、PgR和HER2进行中心化复评。采用免疫组织化学（IHC4）检测ER、PgR、HER2和Ki67，对肿瘤进行亚型划分。采用FISH评估HER2基因状态。EGFR和CK5的IHC用于基底样肿瘤的分类；同时评估肿瘤浸润淋巴细胞（TILs）上CD8的表达。此外，我们还通过应用DNA下一代测序（NGS）技术，研究希腊乳腺癌女性的突变谱，并分析其与患者结局的关系。所有H&E和IHC染色切片将被数字化，以研究基于深度学习的系统用于自动化生物标志物预测的潜力。患者人口学、临床病理学和治疗数据……

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。