食管癌数据集
该数据集是一个专门针对食管癌的综合性医学数据集，包含内镜图像、CT扫描、病理切片图像等多模态医学影像数据，以及临床表格数据和可能的基因表达信息，主要用于支持人工智能在食管癌早期检测、诊断模型开发、预后预测及治疗评估等医疗研究领域的应用。
基本信息
资源简介
食管癌数据集
【数据集背景】
本数据集源站标题为《Esophageal Cancer Dataset》。源站首次发布：2024-10-14。
【数据内容】
源站原始描述：# **Esophageal Cancer Dataset** ## **Introduction:** Esophageal cancer remains one of the most aggressive cancers with a high mortality rate worldwide, presenting significant challenges for early detection and effective treatment. To support the global fight against this disease, we introduce a comprehensive clinical dataset on esophageal cancer, available on Kaggle. This dataset includes patient demographics, clinical data, and cancer-specific attributes that can be leveraged to develop AI mode…
【数据结构与技术规格】
文件数 1 个，合计 1.91 MB。
【主题与分类】
主题标签：cancer、health、healthcare。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/abhinaba1biswas/esophageal-cancer-dataset
使用许可：Database: Open Database, Contents: © Original Authors。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
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("abhinaba1biswas/esophageal-cancer-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 abhinaba1biswas/esophageal-cancer-dataset
unzip esophageal-cancer-dataset.zip -d esophageal-cancer-dataset/
数据说明
这是一个针对食管癌的综合性医学数据集，旨在支持人工智能驱动的早期检测与研究。数据集整合了食管癌相关的多模态数据，包括医学影像（如内镜图像、CT扫描）、病理切片图像、临床表格数据（患者基本信息、病史、实验室检查结果）以及可能的基因表达数据。数据来源于公开医疗数据库或临床机构收集，经过标准化处理，可用于开发食管癌早期诊断模型、预后预测算法、治疗反应评估等AI医疗研究，为食管癌的精准医疗提供数据支持。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
