肝细胞癌管理实践与推荐之间的差异

数据集获取

源站：https://clinicaltrials.gov/study/NCT04189809

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病：肝细胞癌。肝细胞癌的复杂管理促使许多学术团体发布其管理建议或决策算法，以最佳方式协助肝细胞癌患者的治疗决策。随着时间的推移，BCLC算法（巴塞罗那临床肝癌分期）的使用已变得至关重要，至少在西方是如此，这得益于其相对简单且适用的分类系统以及众多研究的临床验证。因此，BCLC算法依据患者的全身状况、反映肝功能的CHILD-PUGH评分以及肿瘤范围，根据科学证据水平提出一种或多种治疗方案，并为每个亚组关联预期生存期。虽然这一BCLC分类的功绩在于为肝细胞癌的管理提供了规范流程，从而避免了许多与可能的局部偏好相关的偏差，但它也存在许多缺陷。例如，该分类很少更新，这限制了创新疗法的整合。

随后，其设计和更新得到了一个有限专家组的建议支持，而该专家组未必能代表日常参与CHC管理的所有关键参与者。最后，一些研究已开始指出，这种分类从理论角度看是有意义的，但在实践中，复杂情况的多样性意味着其诊疗建议在相当数量的病例中并不适用。我们研究的目的是分析BCLC分类在现实情境中的适用性。为克服可能的“中心效应”，研究者依托OncoOccitanie肿瘤登记区域网络，对2018年和2019年法国一个大区层面多学科会诊会议期间作出的治疗决策进行了详尽分析。第二步，研究者将分析以下原因：

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。