肝细胞癌或胆管癌患者队列
这两类癌症预后较差，其数据采集旨在改善患者诊疗（诊断、预后），促进新治疗靶点的寻找与临床研究的随访，并推动个性化治疗的发展
基本信息
资源简介
肝细胞癌或胆管癌患者队列
该数据集英文名为 Cohort of Patients With Hepatocellular Carcinoma or Cholangiocarcinoma，聚焦于肝细胞癌（Hepatocellular Carcinoma）与胆管癌（Cholangiocarcinoma）两类预后较差的肿瘤。其数据采集的核心目标在于改善患者的诊疗水平，包括诊断与预后评估；同时促进新治疗靶点的寻找、支持临床研究的随访，并推动个性化治疗的发展。数据集来源于 clinicaltrials.gov，在分类上归属于肿瘤 / 肝癌方向，主题标签为 Cholangiocarcinoma 与 Hepatocellular Carcinoma。整体而言，该数据集围绕预后不良的肝癌与胆管癌患者群体构建，服务于临床诊疗改进与治疗研究推进的双重目的。
【数据集背景】
肝细胞癌与胆管癌均属于预后较差的癌症类型。源站描述指出，针对这两类癌症患者的数据采集是一项重大挑战，而这一采集工作对于改善患者诊疗（诊断、预后）具有重要意义。通过系统收集患者数据，可以更好地支撑诊断与预后相关工作的开展，并为后续治疗研究奠定数据基础。该数据集正是在这一背景下建立，旨在回应这两类预后不良癌症在诊疗改善与研究推进方面的需求。
【数据内容】
该数据集的主题标签为 Cholangiocarcinoma（胆管癌）与 Hepatocellular Carcinoma（肝细胞癌），即数据覆盖这两类癌症的患者群体。源站描述中提及的采集目的包括：改善患者诊疗（诊断、预后）、促进新治疗靶点的寻找、支持临床研究的随访，以及推动个性化治疗的发展。关于数据集所包含的具体字段、变量类型、样本量、随访时长等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述说明，其内容为从肝细胞癌与胆管癌患者中采集的数据。关于采集的具体时间范围、采集机构、采集流程与数据更新频率等信息，源站未提供。
【适用场景】
依据源站描述，该数据集可用于以下方向：改善这两类癌症患者的诊断与预后评估；促进新治疗靶点的寻找；支持临床研究的随访工作；推动个性化治疗的发展。关于更细化的适用场景（如特定研究设计、特定分析任务）及其适配条件，源站未提供。
【使用方法】
源站未提供关于数据获取方式、访问权限、数据结构说明、使用步骤或分析建议的具体信息。
【质量与限制】
源站未提供关于数据质量评估、完整性、准确性、偏倚控制或已知局限性的具体说明。需要说明的是，源站描述已指出这两类癌症预后较差，且相关数据采集本身是一项重大挑战，但关于数据集层面的具体限制，源站未提供。
【引用与许可】
源站未提供关于引用格式、许可条款或使用授权方面的具体信息。
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/NCT04340986
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：胆管癌、肝细胞癌。从CHC和胆管癌患者中收集数据是一项重大挑战，这些癌症预后较差，改善患者的医疗护理（诊断、预后）；促进寻找新的治疗靶点和临床研究的随访；以及开发个性化治疗。
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。
