PRAIM：基于AI的乳腺癌筛查全国性真实世界实施研究
包含德国12个筛查点461,818例乳腺癌筛查案例的匿名数据，用于评估AI辅助癌症检测效果。
基本信息
资源简介
PRAIM：基于AI的乳腺癌筛查全国性真实世界实施研究
【一句话概览】
本数据集是 Dryad 公开的结构化表格数据集，主题涵盖 Breast cancer、Cancer screening、PRAIM、Observational studies、Artificial intelligence，可用于统计建模、特征工程与队列分析，https://spdx.org/licenses/CC0-1.0.html 许可开放获取。
【数据集背景】
本数据集源站标题为《Nationwide real-world implementation of AI for cancer detection in population-based mammography screening (PRAIM)》。
【数据内容】
源站原始描述：The PRAIM study ( PR ospective multicenter observational study of an integrated AI system with live M onitoring) assessed the impact of an AI-based decision support software on breast cancer screening outcomes. This Dryad data package contains the anonymized data from 461 818 screening cases across 12 screening sites in Germany. Variables include screening outcomes like cancer detection, use of AI software, radiologist assessments, cancer characteristics, and further metadata. The data can be us…
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.zs7h44jgn。
【主题与分类】
主题标签：Breast cancer、Cancer screening、PRAIM、Observational studies、Artificial intelligence、Mammography、Clinical decision support systems、Cohort studies。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.zs7h44jgn
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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://datadryad.org/stash/dataset/doi:10.5061%2Fdryad.zs7h44jgn
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
