PRJNA125217：原发性和继发性卵巢肿瘤

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA125217

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

原发性和继发性卵巢肿瘤的区分对病理学家而言可能具有挑战性。我们进行了转录组分析，以期区分原发性卵巢肿瘤与原发性乳腺癌后的卵巢转移瘤。我们对肿瘤配对样本（乳腺/卵巢）进行了基因组分析，以了解基因组图谱是否有助于区分原发性卵巢肿瘤与原发性乳腺癌后的卵巢转移瘤。总体设计：1）转录组分析：使用Affymetrix U133plus2芯片对来自有乳腺癌病史且原发或继发状态不确定的患者的卵巢癌转录组进行分析。对这些样本进行了层次聚类分析，并结合了一个明确识别的原发性和继发性卵巢肿瘤数据集。2）基因组分析：收集了16对来自既往诊断为乳腺癌患者的乳腺-卵巢配对肿瘤。使用Affymetrix 50k_Xba或SNP6芯片对配对肿瘤的基因组图谱进行分析。

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。