基于AI的HCC切除术后复发模式预测（APAR）
该数据集来自clinicaltrials.gov的观察性研究，聚焦早期肝细胞癌（HCC）患者术后复发模式的AI预测。数据涵盖患者临床信息、标准手术记录及术后2年影像监测结果，用于验证深度学习模型识别术后2年内高复发风险患者的准确性
基本信息
资源简介
基于AI的HCC切除术后复发模式预测（APAR）
AI-Based Prediction of HCC Recurrence Patterns After Resection（APAR）是一个来源于clinicaltrials.gov的观察性研究数据集，聚焦早期肝细胞癌（HCC）患者术后复发模式的AI预测。该数据集涵盖患者临床信息、标准手术记录以及术后2年影像监测结果，其核心目的在于验证深度学习模型能否准确识别术后2年内处于高复发风险的患者。数据集归属于肿瘤/肝癌分类，主题标签为Hepatecellular Carcinoma与Hepatectomy，适用于围绕肝癌术后复发预测的模型验证与相关研究。
【数据集背景】
肝细胞癌（HCC）患者在接受肝切除术后，复发风险的评价与识别是临床关注的重要问题。该数据集对应的观察性研究旨在验证一个深度学习模型，用于预测早期肝癌患者术后侵袭性复发模式。研究提出的主要问题是：AI模型能否准确识别术后2年内具有高癌症复发风险的患者。围绕这一目标，研究采集患者临床数据，结合标准手术治疗与术后2年的影像监测，形成用于AI预测与复发模式验证的数据基础。
【数据内容】
数据集内容主要包括三类信息：患者的临床信息、标准手术记录，以及术后2年的影像监测结果。这些数据共同服务于两个用途，一是作为AI预测模型的输入与验证依据，二是用于复发模式的验证分析。主题上，数据集围绕肝细胞癌与肝切除术两个核心概念组织，关注早期肝癌患者术后2年内的复发风险识别。除上述内容外，源站未提供更细化的字段清单、变量说明或数据规模信息。
【采集与来源】
该数据集来自clinicaltrials.gov，对应一项观察性研究。研究纳入肝细胞癌（Hepatecellular Carcinoma）与肝切除术（Hepatectomy）相关条件的患者。参与者提供临床数据并接受标准手术，术后进行为期2年的影像监测，其数据被用于AI预测以及复发模式的验证。数据集的来源站信息与源站描述构成了当前可确认的采集背景，除此之外的采集流程细节、随访频率安排与数据管理方式，源站未提供。
【适用场景】
基于现有信息，该数据集适用于验证深度学习模型在早期肝细胞癌患者术后复发预测中的表现，尤其是识别术后2年内高复发风险患者的能力评估。同时，数据中的影像监测与复发模式信息可用于复发模式的验证性分析。其观察性研究属性与临床、手术、影像多类数据的组合，使其适合作为肝癌术后复发预测相关模型验证研究的数据基础。其他潜在应用场景，源站未提供。
【使用方法】
数据集设计上支持两类使用方式：其一，将患者临床数据等输入深度学习模型，考察模型对术后2年内高复发风险患者的识别准确性；其二，利用术后2年影像监测结果对复发模式进行验证。使用时应围绕研究提出的核心问题组织分析，即以AI模型预测与复发模式验证为主线。关于具体的数据访问方式、预处理规范、模型训练与评估流程，源站未提供。
【质量与限制】
该数据集为观察性研究来源，其数据覆盖患者临床信息、标准手术记录与术后2年影像监测结果，围绕早期肝癌术后复发预测这一明确目标组织。当前可确认的限制相关信息有限：数据规模、缺失情况、标注规范、人群代表性及模型验证的具体评价指标等，源站未提供。使用者在依赖该数据集得出结论时，应结合上述未提供的信息审慎评估。
【引用与许可】
该数据集来源于clinicaltrials.gov，英文名称为AI-Based Prediction of HCC Recurrence Patterns After Resection (APAR)。关于引用格式、许可条款与数据使用权限的具体要求，源站未提供。
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。
暂未开放公开下载
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。
免登录有偿下载
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
源站：https://clinicaltrials.gov/study/NCT07062380
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
条件：肝细胞癌，肝切除术。本观察性研究旨在验证一种深度学习模型，用于预测早期肝癌（HCC）患者术后侵袭性复发模式。其旨在回答的主要问题是：该AI模型能否准确识别术后2年内癌症复发高风险患者？参与者将提供临床数据并接受标准手术，随后进行为期2年的影像学监测。其数据将用于AI预测和复发模式验证。
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。
