欧洲高危队列中肝细胞癌筛查生物标志物效用研究
该数据集来自 clinicaltrials.gov，属于肿瘤/肝癌分类，主题为肝细胞癌（HCC）。数据可用于生物标志物筛查效能评估与预测建模（来源 clinicaltrials.gov
基本信息
资源简介
欧洲高危队列中肝细胞癌筛查生物标志物效用研究
该数据集英文名为 Biomarkers Usefulness in the Screening of Hepatocellular Carcinoma in an European High-risk Cohort，来自 clinicaltrials.gov，归入肿瘤 / 肝癌分类，主题标签为肝细胞癌（HCC）。其源站描述显示，这是一项纵向、前瞻性、观察性、非干预性研究，旨在评估肿瘤生物标志物甲胎蛋白（AFP）、AFP 与小扁豆凝集素反应性组分（AFP-L3）以及维生素 K 缺乏或拮抗剂-II 诱导蛋白（PIVKA-II）及其组合（GAAD 与 GALAD 算法）在 HCC 筛查中的表现。该数据集可用于生物标志物筛查效能评估与预测建模。
【数据集背景】
肝细胞癌（HCC）是肿瘤学领域的重要病种，本数据集所属分类即为肿瘤 / 肝癌，主题标签明确指向肝细胞癌。该数据集对应的研究为纵向、前瞻性、观察性、非干预性设计，研究对象为欧洲高危队列。研究的核心目的是评估多种肿瘤生物标志物及其组合算法在 HCC 筛查中的表现，涉及的生物标志物包括 AFP、AFP-L3 与 PIVKA-II，组合算法包括 GAAD 和 GALAD。上述背景信息均来自源站描述，反映了该数据集在肝癌筛查研究中的定位。
【数据内容】
源站描述表明，该研究围绕 AFP、AFP-L3、PIVKA-II 三种肿瘤生物标志物展开，并考察其组合形式 GAAD 与 GALAD 算法在 HCC 筛查中的表现。数据集主题标签为肝细胞癌（HCC）。除上述生物标志物与算法名称外，源站未提供具体的变量字段、样本量、随访时长、检测方法细节或数据记录格式等信息。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。研究类型为纵向、前瞻性、观察性、非干预性研究，研究队列为欧洲高危队列。源站未提供具体的采集机构、采集时间范围、采样流程与数据录入方式等细节。
【适用场景】
根据源站描述，该数据集适用于评估肿瘤生物标志物 AFP、AFP-L3、PIVKA-II 及其组合（GAAD 与 GALAD 算法）在肝细胞癌筛查中的表现。结合其主题标签与分类，数据可用于生物标志物筛查效能评估与预测建模。源站未提供其他具体应用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据读取方式、字段说明、分析流程或建模步骤等均未在源站描述中体现。
【质量与限制】
源站未提供关于数据质量、缺失情况、偏倚控制或使用限制的具体说明。已知的研究设计为观察性、非干预性，队列为欧洲高危人群，其余质量相关细节源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT07872319
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（HCC）。纵向、前瞻性、观察性、非干预性研究，旨在评估肿瘤生物标志物甲胎蛋白（AFP）、AFP的扁豆凝集素反应性组分（AFP-L3）和维生素K缺乏或拮抗剂-II诱导蛋白（PIVKA-II）及其组合（GAAD和GALAD算法）在HCC筛查中的性能。
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。
