乳腺癌内部验证队列：用于ClinicoMolecular Triad Classification开发
该数据集为乳腺癌内部验证队列，来源于omicsdi.org，属于肿瘤/乳腺癌主题，标签为Transcriptomics。源站描述显示，早期研究基于161例乳腺癌患者训练队列建立了ClinicoMolecular Triad Classification（CMTC），本队列补充收集340例乳腺癌患者（
基本信息
资源简介
乳腺癌内部验证队列：用于ClinicoMolecular Triad Classification开发
该数据集为乳腺癌内部验证队列，来源于omicsdi.org，属于肿瘤/乳腺癌主题，标签为Transcriptomics。源站描述显示，早期研究基于161例乳腺癌患者训练队列建立了ClinicoMolecular Triad Classification（CMTC），本队列补充收集340例乳腺癌患者（2008至2010年）用于CMTC开发，共采集340份无重复的乳腺肿瘤细针穿刺（FNA）标本进行微阵列检测，最终284例浸润性乳腺癌纳入研究。数据可用于乳腺癌分子分型与预后预测模型的验证与开发（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：在我们早期的研究（[GEO Accession: GSE16987]，[PMID: 21939527]）中，我们利用包含161例乳腺癌患者（2003至2008年）的训练队列，创建了ClinicoMolecular Triad Classification（CMTC），以改善乳腺癌的预测和预后判断。此处，我们收集了一个包含340例乳腺癌患者（2008至2010年）的补充内部验证队列，用于CMTC的开发。共采集了340份来自乳腺肿瘤的无重复细针穿刺（FNA）标本，并制备用于微阵列检测。最终，本研究使用了284例浸润性乳腺癌。
【主题与分类】
主题标签：Transcriptomics。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-45725
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。
使用方式
数据集获取
源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-45725
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
在我们早期的研究（[GEO登录号：GSE16987]，[PMID：21939527]）中，我们创建了一种临床分子三联分类（ClinicoMolecular Triad Classification, CMTC），通过使用包含161名乳腺癌患者（2003年至2008年）的训练队列来改进乳腺癌的预测和预后评估。在此，我们收集了一个包含340名乳腺癌患者（2008年至2010年）的补充内部验证队列，用于CMTC的开发。共收集了340份来自乳腺肿瘤的细针穿刺（FNA）标本（无重复），并制备用于微阵列检测。最终，本研究使用了284例浸润性乳腺癌。
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。
