斯坦福-挪威乳腺癌数据集

数据集获取

源站：https://synapse.org/Synapse:syn4590

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

乳腺癌是女性癌症死亡的主要原因之一，肿瘤的临床病理特征被用于预测预后和指导治疗。DNA拷贝数改变（CNAs）在乳腺癌中频繁发生，并定义了关键的发病事件，也可能是有用的预后或预测因素。在此，我们报告了一项全基因组微阵列比较基因组杂交（array CGH）分析，调查了来自一个局部晚期疾病患者队列的89例乳腺肿瘤中的CNAs。统计分析将携带CNAs的不同细胞遗传学条带位点与特定临床病理参数联系起来，包括肿瘤分级、雌激素受体状态、TP53突变的存在以及总生存期。值得注意的是，不同的CNA谱也是最近通过表达谱分析定义的乳腺癌不同亚型的基础，提示这些亚型沿不同的遗传途径发展。此外，较高数量的获得/缺失与“basal-like”肿瘤亚型相关，而高水平DNA扩增在“luminal-B”亚型肿瘤中更常见，这也提示不同的基因组不稳定性机制可能构成其发病基础。所鉴定的CNAs可能为改善患者预后判断提供基础，并作为确定重要基因的起点，以加深我们对乳腺癌病理生物学的理解。该数据集包含表达谱、通过arrayCGH测得的拷贝数变异以及肿瘤特征。

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。