基本信息

模态

基因组

任务类型

分类

创建/更新时间

2026-11-03

资源简介

EGAS00001000407-sc-20130703 样本数据集

EGAS00001000407-sc-20130703 - samples 是一个归类于肿瘤 / 乳腺癌方向的数据集，主题标签为 Genomics，来源于 omicsdi.org。该数据集所对应的研究关注乳腺癌中同步发生的多灶性与多中心性肿瘤。源站描述指出，多灶性或多中心性乳腺癌可分别被定义为在乳房同一象限内或同一乳房不同象限内出现两个或更多肿瘤病灶；这种将乳腺癌划分为多中心或多灶的原始分类，建立在“同一象限内发生的癌症比乳房其他区域发生的癌症更可能起源于相同导管结构”的假设之上。该研究同时聚焦同步多灶性与多中心性肿瘤，并讨论相关定义所存在的问题。

【数据集背景】

乳腺癌的多灶性与多中心性是临床病理描述中的重要概念。源站描述给出的定义是：多灶性指在乳房单一象限内存在两个或更多肿瘤病灶，多中心性指在同一乳房的不同象限内存在两个或更多肿瘤病灶。这一原始分类的依据是一种假设，即发生在同一象限的癌症比发生在乳房分离区域的癌症更可能来自相同的导管结构。然而，源站描述明确指出，这些定义的问题在于乳房的“象限”是人为的外部划分，乳房内部并不存在这样的边界。因此，该研究项目将重点同时放在同步多灶性和多中心性肿瘤上，试图在更审慎的定义框架下理解这类肿瘤。

【数据内容】

该数据集的名称为 EGAS00001000407-sc-20130703 - samples，主题标签为 Genomics，本站分类为肿瘤 / 乳腺癌。从名称中的“samples”以及来源站 omicsdi.org 可以判断，该数据集与样本层面的信息相关，并归属于基因组学主题。源站描述主要围绕乳腺癌多灶性与多中心性肿瘤的定义、分类假设及其局限性展开，并提及此类癌症的发病率报道。除上述信息外，数据集所包含的具体样本数量、样本类型、测序或检测平台、数据文件格式与规模等细节，源站未提供。

【采集与来源】

该数据集来源于 omicsdi.org。源站描述说明，该研究项目聚焦于同步多灶性和多中心性乳腺癌肿瘤。描述中还提到，多灶性和多中心性乳腺癌的发病率报道在 13% 至 75% 之间，具体数值取决于所采用的定义、乳房病理采样的范围以及其他因素（源站描述在此处未完整给出）。关于样本的具体采集地点、采集时间、纳入排除标准、伦理审批信息以及原始数据产生所采用的技术路线，源站未提供。

【适用场景】

基于现有信息，该数据集适用于与乳腺癌多灶性和多中心性相关的基因组学研究场景，尤其是需要在样本层面考察同步多灶性与多中心性肿瘤的研究。由于主题标签为 Genomics，其潜在用途包括围绕这类肿瘤的基因组特征分析；同时，源站描述对“象限”划分这一传统分类依据提出了质疑，因此该数据集也可用于讨论和反思多灶性、多中心性乳腺癌定义方法学问题的研究场景。关于该数据集是否适用于特定分析流程、是否可用于临床决策或是否经过特定验证，源站未提供。

【使用方法】

源站未提供该数据集的具体使用方法，包括数据获取方式、文件组织方式、访问权限、推荐的分析流程或配套工具等。

【质量与限制】

该数据集所对应研究的一个重要限制已在源站描述中体现：多灶性与多中心性的传统定义依赖乳房“象限”这一人为外部划分，而乳房内部并不存在这样的边界，这使得基于象限的分类存在方法学问题。此外，源站描述指出多灶性和多中心性乳腺癌的发病率报道范围很宽（13% 至 75%），受定义、病理采样范围等因素影响，说明相关分类和统计口径尚不统一。关于该数据集本身的样本量、数据完整性、测序质量、批次效应或缺失值情况，源站未提供。

【引用与许可】

源站未提供该数据集的引用方式与许可信息。

原始链接

https://omicsdi.org/dataset/ega/EGAD00001000624

访问原始数据

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。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAD00001000624

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。

数据说明

乳腺癌的多灶性或多中心性可分别定义为单个乳腺象限内或同一乳腺不同象限内存在两个或两个以上的肿瘤病灶。这种将乳腺癌最初分类为多中心或多灶性的做法，基于这样一个假设：发生于同一象限的癌症比发生于乳腺不同区域的癌症更可能起源于相同的导管结构。这些定义的问题在于，乳腺的“象限”是人为的外部划分，因为并不存在内部边界。因此，本项目将同时关注同步性多灶性和多中心性肿瘤。据报道，多灶性和多中心性乳腺癌的发生率在13%至75%之间，具体取决于所采用的定义、乳腺病理取样的范围以及原位病变是否被视为多中心性的证据(1)。尽管这一发生率存在差异，但这些数字表明它是一种常见的现象。

多灶性（多焦点/多中心）乳腺癌，尤其是发生于同一乳房时，对病理学家和临床医生而言，在确定肿瘤的细胞起源及最佳治疗管理方面均构成重大挑战。与单灶肿瘤相比，多灶性或多中心性已与若干更具侵袭性的特征相关联，包括区域淋巴结转移率升高和患者预后不良（2-3），以及保乳手术后局部复发风险可能增加（4）。目前，文献对于是否存在相应的生存结局影响尚存分歧。当今，对多灶性和多中心性肿瘤进行分期和治疗的惯例是经典的肿瘤-淋巴结-转移（TNM）分期指南，其中肿瘤大小以最大的肿瘤病灶来评估，而未将其他病灶纳入考虑。

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