跨平台乳腺癌亚型分型特征表示与迁移学习系统评估复现包

数据集获取

源站：https://doi.org/10.5281/zenodo.22105501

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。

数据集大小约 660.7 KB。

数据说明

本记录提供了支持研究“跨平台乳腺癌亚型分型的特征表示与迁移学习的系统性评估”的材料。该研究在严格队列不相交迁移条件下，评估了基因水平、通路水平、PAM50以及预设的九模块生物学表示，使用了来自TCGA-BRCA、METABRIC、GSE20685和GSE25066的3，897份乳腺癌样本。该基准考察了队列组成、检测平台、预处理策略、特征表示、分类器选择及标签来源对跨队列亚型分类的影响。研究特别关注当使用与所评估模块表示在概念上或基因水平上存在重叠的生物学标志物模块来完成亚型标签时可能引入的循环性问题。因此，该数据包包含了模块独立标签分析和仅报告标签分析、标志物排除分析，以及一项重复的不相交标志物审计，其中用于外部标签完成的基因与用作预测模块特征的基因被分离开来。

冻结的不相交标记设计包含3，840个预期配置：10种标记划分；2种划分方向；16种队列不相交的迁移规格；2种预处理模式；2种模型类别；以及3个表示家族。在排除一次非预期的部分检查点重复后，3，840个预期配置中保留了3，768个，对应98.1%的完成度。这些包括1，256个匹配的模块–基因比较和1，256个匹配的模块–PAM50比较。

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。