华南原发性肝癌队列
该数据集为华南地区原发性肝癌纵向观察性队列，来源为clinicaltrials.gov，聚焦在中国高发且恶性程度高、死亡率高的原发性肝癌
基本信息
资源简介
华南原发性肝癌队列
Primary Liver Cancer Cohort of South China（华南地区原发性肝癌队列）是一个聚焦原发性肝癌的纵向观察性队列数据集，主题标签为原发性肝癌，在分类上归属于肿瘤—肝癌方向，其来源站为 clinicaltrials.gov。原发性肝癌恶性程度高、死亡率高，在中国尤为高发，该队列正是围绕这一疾病负担沉重的瘤种而建立，旨在考察影响肝癌发生及患者长期生存的相关因素。数据集以华南地区为地域范围，采用纵向观察性设计，为研究者提供了一个围绕原发性肝癌自然病程与预后开展长期追踪的数据资源，可用于支撑与肝癌发生、发展及生存结局相关的研究问题。
【数据集背景】
原发性肝癌（Primary Liver Cancer，PLC）是一种恶性程度高、死亡率高的肿瘤，在中国人群中尤为高发。多种因素被认为与肝癌的发生及预后相关，但需要在长期随访中加以观察和验证。基于这一背景，该纵向观察性队列研究被设计用于探究影响原发性肝癌患者发病与长期生存的因素。数据集即来源于该项以华南地区为范围的研究，其英文名称为 Primary Liver Cancer Cohort of South China，主题标签为原发性肝癌，本站分类归入肿瘤 / 肝癌。
【数据内容】
该数据集的主题为原发性肝癌，属于纵向观察性队列数据。按照源站描述，研究关注的核心内容包括影响原发性肝癌发生的因素以及影响患者长期生存的因素，因此数据内容围绕入组对象的长期观察与生存结局展开。除上述研究目的与队列性质外，源站未提供具体的变量清单、随访时间点、样本量、人群构成等信息。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，对应一项以原发性肝癌为研究条件的纵向观察性队列研究，研究地域范围为华南地区。源站描述中说明了研究的设计类型（纵向观察性队列）与研究目的（考察影响肝癌发生与长期生存的因素），但未提供具体的采集机构、采集流程、随访方式、数据更新频率等细节，这些内容源站未提供。
【适用场景】
基于其主题与设计，该数据集适用于围绕原发性肝癌发生风险因素与长期生存预后因素开展的研究，也可用于肝癌相关临床流行病学与观察性研究的参考。由于其为纵向观察性队列，适合需要长期随访视角的研究问题。具体的适用分析类型、可支持的统计模型或研究设计细节，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括获取方式、数据结构说明、变量定义、随访字段的读取方式等均未在可用信息中给出。
【质量与限制】
该数据集为观察性队列设计，其研究性质决定了结论属于关联性观察而非干预性验证；源站描述中未提供样本量、随访完整度、缺失情况、质量控制措施等信息，相关质量指标源站未提供。使用时应结合研究设计特点谨慎解读结果。
【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/NCT03297255
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：原发性肝癌。原发性肝癌（PLC）恶性程度高、死亡率高，在中国尤为常见。据信，许多因素与肝癌的发生及预后相关。这项纵向观察性队列研究旨在探究影响原发性肝癌患者发病及长期生存的因素。
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。
