人乳头瘤病毒（HPV）与宫颈癌前病变及癌症风险

数据集获取

源站：https://clinicaltrials.gov/study/NCT00435214

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

条件：宫颈肿瘤。15种具有致癌潜力的HPV型别其致癌性差异很大。我们希望通过对各HPV基因型在病毒持续感染和进展方面独特特性的了解，阐明在21岁及以上女性中进行致癌性HPV DNA检测的临床效用。具体而言，我们试图了解病毒清除与持续感染的时间规律及决定因素，并且在持续感染的情况下，了解在癌症发生的年龄段感染每种致癌性HPV基因型的女性进展为CIN3/癌症（≥CIN3）的风险。相关的自然史数据尚缺乏。目前没有NCI或其他队列研究充分解决这些问题及其他相关问题。Kaiser Permanente Northern California（KPNC）常规使用FDA批准的混合HPV基因型DNA检测（Hybrid Capture 2 [HC2]，Qiagen Corporation，Gaithersburg，MD）检测致癌性HPV，作为30岁及以上女性宫颈癌筛查中细胞学检查的辅助手段，并作为所有年龄段女性Pap结果不确定时立即进行阴道镜检查的分流工具。

我们正与KPNC合作建立致癌性HPV阳性队列（HPV持续与进展队列，简称PaP队列），以研究HPV基因型的自然史。具体而言，我们将储存来自以下亚人群的约60，000份基线标本：1）约40，000份HPV阳性标本，以及来自30岁及以上女性的4，000份基线标本的随机人群样本；2）约5，000份HPV或细胞学阳性标本，以及来自25-29岁女性的2，000份基线标本的随机人群样本；3）约5，000份HPV或细胞学阳性标本，以及来自21-24岁女性的2，000份基线标本的随机人群样本。我们将采用高效的抽样设计，以最少的实验室检测实现高统计效能，并根据通过与Kaiser细胞学和histolog

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。