Sloane 项目分子分析

数据集获取

源站：https://clinicaltrials.gov/study/NCT05868252

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

条件：导管原位癌（DCIS）、小叶原位癌（LCIS）、非典型导管增生、非典型小叶增生。斯隆项目是一项覆盖英国的前瞻性审计，针对筛查发现的非浸润性及非典型乳腺增生，以约翰·斯隆命名，他是一位对该领域感兴趣的杰出病理学家。非浸润性乳腺肿瘤占通过乳腺筛查发现的所有“乳腺癌”的25%，包括导管原位癌（DCIS）和小叶原位癌（LCIS）。非典型增生是高危但良性的病变，在NHS乳腺筛查计划进行的良性活检中占10%。这些病变的重要性在于随后发展为浸润性乳腺癌的风险增加，其中DCIS风险最高（比一般人群高20倍），其次是LCIS（高10倍）和非典型乳腺增生（高4倍）。斯隆项目的数据由英国公共卫生部（PHE）持有，提供了患者从诊断到治疗及结果的全面详细信息。该项目旨在增进对这些可能导致乳腺癌的早期病变最佳管理方式的理解。

英国所有NHS乳腺筛查单位均被邀请为Sloane项目提交数据。历来，英格兰、苏格兰、威尔士和北爱尔兰约90%的中心以自愿为基础参与，这一比例异常之高。本研究方案的目标是收集来自Sloane项目数据库中女性患者的匿名福尔马林固定石蜡包埋（FFPE）组织块，以便对这些原位癌和非典型增生病例的生物学、分子和基因组变化进行详细分析，并探讨这些变化与PHE已收集并持有的相应注释临床、病理和放射学数据之间的关系。我们旨在识别特定的特征标志，以确定哪些患者可能发展为浸润性疾病，从而区分令人担忧的病变与惰性、非令人担忧的病变。

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。