结肠癌
结肠癌是起源于结肠黏膜上皮的恶性肿瘤,多数由腺瘤性息肉逐步演变而来,涉及Wnt/APC/β-catenin、MSI等分子通路异常。临床上早期常无症状,进展后可表现为排便习惯与粪便性状改变、腹痛、腹部肿块及肠梗阻,右半结肠癌以贫血、腹部包块多见,左半则以肠梗阻、便血为主。诊断依靠结肠镜及病理活检,辅以CT、MRI等进行分期。治疗以手术切除为核心,结合化疗、靶向治疗及免疫治疗。精准分子分型(如RAS/BRAF/MSI状态)已常规用于指导个体化方案,是结直肠癌专病数据库和临床研究的重要方向。
获取 结肠癌 专属定制方案共 251 个数据集

结肠癌数据集
该数据集包含与结肠癌相关的临床或病理数据,数据模态可能涉及临床表格、病理图像或基因表达信息,主要用于结肠癌的疾病研究、诊断模型构建和预后分析等医学人工智能应用。

PIEZO2_Based_结肠癌增殖转移通路研究补充数据
该数据集是结肠癌分子机制研究的补充数据,包含统计分析表格和说明文档等文本型数据,主要用于支持PIEZO2通过SLIT2/ROBO1/VEGFC通路促进结肠癌增殖与转移的研究结论,适用于肿瘤生物学、分子通路机制和临床转化研究领域。

白藜芦醇与绿原酸联用对结肠癌细胞侵袭与迁移的影响
该数据集包含通过Transwell小室实验获得的结肠癌细胞株LOVO在不同药物处理(白藜芦醇、绿原酸及其混合液)下的侵袭与迁移能力量化数据,数据模态为实验测量数值表格,主要用于研究天然化合物对结肠癌细胞生物学行为的影响、评估药物联用效果以及探索抗癌药物的作用机制,为结肠癌治疗研究提供实验依据。

GSE50760结直肠癌RNA测序数据集
GSE50760 包含正常结肠、原发结直肠癌和肝转移样本的 RNA-seq 数据,可用于进展相关基因分析。由National Center for Biotechnology Information提供,来自Gene Expression Omnibus,数据格式为表格,包含54条数据记录,适用于分类任务,专注于肿瘤领域的结肠癌研究。

GSE44076结肠癌表达谱数据集
GSE44076 包含结肠肿瘤及邻近正常黏膜样本的基因表达数据,适合差异表达分析和分子标志物筛选。由National Center for Biotechnology Information提供,来自Gene Expression Omnibus,数据格式为表格,适用于分类任务,专注于肿瘤领域的结肠癌研究。

CRC验证HE染色图像数据集
CRC-VAL-HE-7K 是 NCT-CRC-HE-100K 的独立验证集,包含 7180 张结直肠癌组织病理图像块,可用于模型外部验证。由National Center for Tumor Diseases提供,来自Zenodo,适用于分类任务,许可证为CC BY 4.0,专注于肿瘤领域的结肠癌研究。

结直肠癌组织纹理数据集
该数据集包含 5000 张人结直肠癌组织病理图像,覆盖 8 类组织纹理,广泛用于组织病理图像分类研究。由University Medical Center Mannheim提供,来自Zenodo,许可证为CC BY 4.0,专注于肿瘤领域的结肠癌研究。

癌症基因组图谱结肠腺癌数据集
TCGA-COAD 包含结肠腺癌病例的基因组、转录组、临床和病理信息,常用于结肠癌分子分型、预后建模和生物标志物研究。由National Cancer Institute提供,来自Genomic Data Commons,包含多种数据模态,包含461条数据记录,适用于分类任务。

LAP(对数转换)与结肠癌之间的关联
该数据集是一个包含临床表格数据的医学研究集合,主要探讨代谢生物标志物LAP(脂质蓄积产物)经过对数转换后与结肠癌发病风险之间的关联性,可用于癌症流行病学分析、代谢与肿瘤相互作用研究以及疾病风险预测模型的开发。

结构富集环境减轻结肠炎相关结肠癌
该数据集包含小鼠在富集与贫困环境中的行为测试数据,以及通过AOM/DSS诱导的结肠炎相关癌症模型的病理学数据(如肿瘤数量和体积),属于动物实验模态,主要用于研究环境富集对结肠癌肿瘤发生的影响,探索社会经济因素(如住房条件)与健康差异之间的关联,为结直肠癌的预防和公共卫生策略提供实验基础。

结肠炎相关结肠癌的空间分辨转录组与细胞图谱
该数据集提供了结肠炎相关结肠癌患者样本的空间转录组数据,包含Xenium平台生成的高分辨率基因表达与细胞定位信息,数据模态为空间转录组学与单细胞注释。它整合了患者分组、疾病状态及多层次细胞类型(如上皮、免疫、基质细胞),并包含计算的空间邻域特征,主要用于研究结肠癌的肿瘤微环境空间结构、细胞异质性、炎症与癌症的相互作用,为癌症机制探索和生物标志物发现提供关键数据支持。

ADPv2
ADPv2数据集是一个包含20,004个图像块的组织病理学图像数据集,数据来源于健康结肠活检切片,并按照32种组织类型进行了三级层次注释,主要用于计算病理学中的深度学习模型训练,以支持结肠癌研究、生物标志物发现和病理途径分析等方向。
