TOP-plus Age 数据仓库：用于症状性乳腺癌风险评估的患者入院病史数据

数据集获取

源站：https://doi.org/10.5281/zenodo.21203073

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

随稿提供的受限访问存储库，稿件题为《根据患者入院病史估算乳腺癌风险以支持直接就诊的症状性乳腺评估：TOP-plus Age模型的推导与内部验证》。该存储库支持同行评审以及TOP-plus Age模型推导与内部验证分析的可重复性，该模型是一种可解释的逻辑回归模型，在专科评估前根据结构化患者入院病史和年龄估算症状性乳腺癌风险。受限存储库文件包括去标识化的行级分析数据集、数据字典、模型系数、阈值输出、患者级拆分验证指标、bootstrap乐观度校正摘要、时间性留出摘要、缺失情况摘要、README、清单、QC摘要及受限数据使用条件。行级数据集源自常规临床数据，因此以受限访问方式提供。该数据集排除了直接标识符、NHS/医院编号、姓名、出生日期、确切就诊日期、完整邮编、LSOA代码、原始自由文本临床记录、源行标识符及细粒度转诊来源类别。

申请者不得尝试重新识别、与外部数据集关联、联系患者或用于临床。TOP-plus Age模型不是诊断测试、分诊规则、出院规则或可临床部署的路径干预。它是用于前瞻性外部验证、重新校准、安全性评估和公平性评估的候选发作级风险估计层。限制访问条件：在符合机构治理和数据保护要求的前提下，可考虑将访问请求用于同行评审、编辑评估或正当的研究可重复性检查。申请者必须说明预期用途，并确认他们不会尝试重新识别、与外部数据集关联、再分发、联系患者、进行临床决策、分诊、出院

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。