肺癌风险数据集
Lung Cancer Risk 是于 2025 年发布的一个面向肺癌风险预测与健康因素分析的表格型数据集，旨在通过多维特征探索吸烟习惯、生活方式与肺癌风险之间的关联。
基本信息
资源简介
Lung Cancer Risk 是于 2025 年发布的一个面向肺癌风险预测与健康因素分析的表格型数据集，旨在通过多维特征探索吸烟习惯、生活方式与肺癌风险之间的关联。
该数据集包含 50,000 条基于已知肺癌风险因素（例如生活习惯、环境暴露和家族史等）的患者资料，阳性病例约占 25%，反映了现实中肺癌的患病率。每条样本均由多个健康与行为特征构成，适用于肺癌风险建模、医学机器学习研究、健康预测系统开发与教学实验，尤其在分类建模和风险评估场景中具有良好的参考价值。
数据构成：
每条样本包含多个维度的健康与行为特征，主要包括：
基本信息：年龄、性别
生活习惯：吸烟情况、饮酒频率
健康因素：慢性疾病（如高血压、糖尿病）、肺部相关诊断
环境暴露：氡气水平、石棉暴露、二手烟暴露
家族史：家族中是否有癌症或肺部疾病史
目标变量：肺癌诊断结果（是否患癌）
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
需登录公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
暂未开放有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("mikeytracegod/lung-cancer-risk-dataset")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d mikeytracegod/lung-cancer-risk-dataset
unzip lung-cancer-risk-dataset.zip -d lung-cancer-risk-dataset/
数据说明
Lung Cancer Risk 是于 2025 年发布的一个面向肺癌风险预测与健康因素分析的表格型数据集，旨在通过多维特征探索吸烟习惯、生活方式与肺癌风险之间的关联。 该数据集包含 50,000 条基于已知肺癌风险因素（例如生活习惯、环境暴露和家族史等）的患者资料，阳性病例约占 25%，反映了现实中肺癌的患病率。每条样本均由多个健康与行为特征构成，适用于肺癌风险建模、医学机器学习研究、健康预测系统开发与教学实验，尤其在分类建模和风险评估场景中具有良好的参考价值。 数据构成： 每条样本包含多个维度的健康与行为特征，主要包括： 基本信息：年龄、性别 生活习惯：吸烟情况、饮酒频率 健康因素：慢性疾病（如高血压、糖尿病）、肺部相关诊断 环境暴露：氡气水平、石棉暴露、二手烟暴露 家族史：家族中是否有癌症或肺部疾病史 目标变量：肺癌诊断结果（是否患癌）
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。
许可
CC0 1.0
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 癌症（总论） 的高质量、多模态真实临床数据定制解决方案。
