激光辅助快速蒸发电离质谱作为宫颈癌筛查代谢组学平台

数据集获取

源站：https://omicsdi.org/dataset/metabolights_dataset/MTBLS1371

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

背景：将高危型人乳头瘤病毒（hrHPV）检测引入宫颈癌初筛，预计会提高敏感性，但也会增加筛查阳性女性人数。在大多数情况下，反射性细胞学检查是首选的分流检测，但其局限性包括诊断准确性中等、缺乏自动化、观察者间差异以及需要临床医生采集样本。需要新颖、客观且具有成本效益的方法。方法：在本研究中，我们评估了一种自动化代谢组学机器人平台在宫颈癌筛查中的潜在应用，该平台采用激光辅助快速蒸发电离质谱法（LA-REIMS）原理。结果：在130名女性人群中，LA-REIMS在区分hrHPV检测阳性（n = 65）或阴性（n = 65）女性时达到94%的敏感性和83%的特异性（AUC：91.6%）。我们根据疾病严重程度进行了进一步分析，LA-REIMS在区分正常与高级别浸润前病变时，敏感性和特异性分别为91%和73%（AUC：86.7%）。解读：这种自动化高通量技术有望成为宫颈癌筛查和分流的低成本、快速检测方法。使用LA-REIMS等平台有可能进一步提高当前国家筛查计划的准确性和效率。资助：本研究由MRC Imperial Confidence in Concept Scheme、Imperial College Healthcare Charity、British Society for Colposcopy and Cervical Pathology、National Research Development and Innovation Office of Hungary、Waters corporation和NIHR BRC资助。

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。