接受新辅助化疗的乳腺癌患者炎症血液标志物数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT05468710

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：乳腺癌。炎症被认为是癌症的十大特征之一（癌症的第七大特征），促进肿瘤增殖、血管生成、转移和化疗耐药。一般来说，白细胞计数反映个体的全身和/或局部炎症状态。已知中性粒细胞调节肿瘤微环境并产生细胞因子、趋化因子和生长因子，可能促进血管生成以及肿瘤细胞增殖和迁移。来源于循环单核细胞的M2表型肿瘤相关巨噬细胞（TAMs）存在于肿瘤微环境中，促进转移和免疫抑制。据报道，外周单核细胞计数与TAMs密度相关，高绝对单核细胞计数预示癌症患者生存期较差。血小板是通过各种机制促进癌症favoured炎症的其他细胞。例如，活化的血小板通过在肿瘤细胞周围形成一层并支持肿瘤生长，通过分泌TGF-β等多种因子，抑制肿瘤细胞与细胞溶解性免疫细胞之间的相互作用。

因此，有报道称高血小板计数与乳腺癌的不良结局相关。相反，淋巴细胞负责抗肿瘤特异性免疫反应，包括T淋巴细胞肿瘤浸润和细胞毒性T淋巴细胞介导的抗肿瘤活性。炎症血液标志物（IBM）已成为包括乳腺癌在内的不同类型癌症生存的潜在预后因素，以及新辅助化疗后组织学反应的预测因素。IBM包括白细胞计数、淋巴细胞计数、中性粒细胞计数，以及血小板与淋巴细胞比率（PLR）或中性粒细胞与淋巴细胞比率（NLR）、单核细胞与淋巴细胞比率（MLR）等比值。基于这些发现，NLR、MLR和PLR作为反映癌症中炎症与免疫反应平衡的指标，我们

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。