乳腺癌NKI数据集
本数据集为肿瘤领域的其他公开数据集，来源：synapse。
基本信息
资源简介
乳腺癌NKI数据集
Breast Cancer NKI 是一个聚焦于乳腺癌的肿瘤基因表达数据集，收录了源自荷兰癌症研究所组织库采集的295例乳腺癌肿瘤样本的表达谱与临床特征。该数据集在乳腺癌预后研究领域具有代表性用途：它已被用于开发一种基因表达特征，该特征能够对I期或II期乳腺癌患者预后好坏作出强预测。对于关注乳腺癌分子分型、预后标志物挖掘以及基因表达谱二次分析的研究者而言，这一数据集提供了可追溯的样本来源与配套的临床信息，便于围绕预后相关生物学问题开展系统性的数据驱动研究。
【数据集背景】
乳腺癌是高度异质的恶性肿瘤，同一分期患者的临床结局可能差异显著，因此识别能够区分预后好坏的分子标志物一直是转化研究的重点。Breast Cancer NKI 正是在这一研究需求下形成的数据资源，其样本来自荷兰癌症研究所组织库，聚焦于I期或II期乳腺癌患者群体。该数据集已被用于开发对预后好坏具有强预测能力的基因表达特征，说明其在预后标志物发现与验证方面具备明确的研究定位，可作为乳腺癌表达谱与临床结局关联分析的基础数据。
【数据内容】
该数据集包含两类核心内容：一是乳腺癌肿瘤样本的基因表达谱，二是与样本对应的临床特征。表达谱覆盖295例乳腺癌肿瘤，临床特征则用于刻画样本的临床属性，二者共同构成可用于预后分析的数据结构。需要说明的是，表达谱所采用的检测平台、基因数量、临床特征的具体字段构成、随访时间与结局定义等细节，源站未提供。
【采集与来源】
数据样本采集自荷兰癌症研究所（Netherlands Cancer Institute）的组织库，共纳入295例乳腺癌肿瘤。数据集通过 synapse.org 发布，用户可经由该平台获取。关于样本采集的时间跨度、纳入与排除标准、伦理审批信息以及组织库处理流程等，源站未提供。
【适用场景】
基于其内容构成，该数据集适用于乳腺癌预后相关研究，尤其是围绕I期或II期患者预后好坏判别而开展的基因表达特征开发与评估工作。研究者可将其用于表达谱与临床特征的关联分析、预后标志物的筛选与验证，以及与其他乳腺癌表达谱数据集的比较研究。由于数据集已被用于构建具有强预测能力的预后特征，它也可作为方法学研究中检验特征构建流程的基准数据之一。其他潜在应用方向源站未提供。
【使用方法】
使用该数据集的一般路径为：从 synapse.org 获取表达谱与临床特征数据，完成样本与临床信息的对应整理，随后依据研究目的开展预处理、特征选择与预后模型构建或验证。由于数据集包含临床特征，分析中需注意表达谱样本与临床记录之间的匹配关系。关于具体的下载方式、访问权限设置、文件格式与数据组织方式，源站未提供。
【质量与限制】
该数据集的样本量为295例，来源于单一机构组织库，研究人群限定于I期或II期乳腺癌，这些特征界定了其适用范围。关于数据缺失情况、批次效应、平台技术参数、临床特征完整性以及是否经过额外质控，源站未提供。使用者在开展跨数据集比较或外推结论时，应结合上述已知范围谨慎解读。
【引用与许可】
该数据集发布于 synapse.org，源站提供了数据集的英文名称与基本描述。关于引用方式、许可条款、使用限制与再分发规定，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://synapse.org/Synapse:syn4517
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
该数据集包含来自295个乳腺癌肿瘤的表达谱和临床特征，这些肿瘤采集自Netherlands Cancer Institute的组织库。该数据集已被用于开发一种基因表达特征，该特征能强有力地预测I期或II期乳腺癌患者预后良好与预后不良。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
