ER阳性/HER2阴性乳腺癌术后骨转移预测多模态原始数据集

数据集获取

源站：https://doi.org/10.57760/sciencedb.014t1

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

该数据集源自一项多中心回顾性研究，该研究探讨了多模态医学数据在预测雌激素受体阳性/人表皮生长因子受体2阴性（ER阳性/HER2阴性）乳腺癌患者骨转移风险中的应用。数据收集自五家医疗中心，时间跨度为2010年1月至2024年12月。所有纳入患者均为ER阳性/HER2阴性乳腺癌，并符合预定的纳入和排除标准。为便于相关研究结果的验证和可重复性，公开数据集包括去标识化的基线临床数据、Digital Imaging and Communications in Medicine（DICOM）格式的乳腺超声图像、从苏木精-伊红（H&E）染色的全切片图像（WSIs）中裁剪的数字组织病理学图像块，以及模型训练、特征处理、验证和性能评估过程中生成的中间数据。

总体而言，这些数据构成了本研究所使用的多模态预测模型中临床、超声和数字病理组成部分开发与验证的基础。基线临床数据来自参与中心的电子病历和病理信息系统，并按照标准化数据定义和预先确定的研究方案进行整理。公开数据集仅包含与模型开发和统计分析相关的去标识化临床和病理变量、结局信息以及数据集分配信息。直接标识符，包括患者姓名、住院号、国家身份证号、联系方式和详细居住地址，均不包含在内。在公开发布之前，日期相关信息以及其他可能增加患者再识别风险的变量已根据研究的数据去标识化

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。