乳腺癌炎症反应相关基因预后与免疫特征预测数据集

数据围绕乳腺癌炎症反应相关基因模型,可用于预后预测与免疫特征分析相关研究,具体样本量、基因列表与统计结果源站未提供(来源 Mendeley Data)

google_dataset
2023-01-11 更新
浏览 6
基因组预测乳腺癌炎症反应相关基因预后预测免疫特征基因模型
Data for:Identification of an inflammatory response-related gene model for prediction of prognosis and immune features of breast cancer

基本信息

模态
基因组
大小
0.874100001 GB
任务类型
预测
创建/更新时间
2023-01-11
版本
v1

资源简介

乳腺癌炎症反应相关基因预后与免疫特征预测数据集

Data for:Identification of an inflammatory response-related gene model for prediction of prognosis and immune features of breast cancer

该数据集来自 data.mendeley.com,为文章《Identification of an inflammatory response-related gene model for prediction of prognosis and immune features of breast cancer》配套构建,共包含 10 个文件,文件样例为 Figure1.rar 至 Figure11.rar 等图片压缩包。数据围绕乳腺癌炎症反应相关基因模型,可用于预后预测与免疫特征分析相关研究,具体样本量、基因列表与统计结果源站未提供(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2023-01-11。

【数据结构与技术规格】

文件数 10 个,合计 874.10 MB。数据集 DOI:10.17632/sdx7j3vz8k.1。

【主题与分类】

主题标签:乳腺癌、炎症反应相关基因、预后预测、免疫特征、基因模型。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/sdx7j3vz8k

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免登录

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/sdx7j3vz8k

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。

数据集大小约 874.1 MB。

数据说明

荀秋(2023)。数据集:用于预测乳腺癌预后和免疫特征的一种炎症反应相关基因模型的鉴定[数据集]。http://doi.org/10.17632/sdx7j3vz8k.1

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。