性别特异性机器学习模型预测肝癌远处转移

数据集获取

源站：https://clinicaltrials.gov/study/NCT07386639

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

疾病条件：肝细胞癌、肝癌、肿瘤转移。研究设计与目的：本研究为一项回顾性、基于人群的队列研究，利用监测、流行病学和最终结果（SEER）数据库的数据。主要目的是系统比较肝细胞癌（HCC）患者远处转移的发生率，并识别其性别特异性决定因素。次要目的是开发并验证分别针对男性和女性患者的、独立的高性能机器学习（ML）远处转移风险预测模型。数据来源与研究对象：数据提取自22个SEER登记处，涵盖2004年至2022年间诊断为HCC的患者。纳入标准要求经病理学诊断为HCC。主要排除标准为：种族、婚姻状况、肿瘤分级或手术状态数据缺失；非第一原发恶性肿瘤；以及TNM分期数据不完整。应用上述标准后，最终分析共纳入19，019例患者（男性14，575例，女性4，444例）。

变量与定义：结局变量为诊断时的远处转移状态，依据一致的AJCC标准二分为M0（无转移）或M1（转移）。预测变量包括：年龄、性别、种族、肿瘤分级、婚姻状况、手术治疗（分类为未手术、局部治疗、手术切除或肝移植）、放疗、化疗、年家庭收入以及居住地（基于人口规模）。为确保不同版本AJCC分期手册之间的可比性，T分期分组为T0-2（局限期）与T3-4（局部晚期），N分期分组为N0与N1。统计与机器学习分析：按性别分层进行单因素和多因素logistic回归分析，以识别与远处转移独立相关的因素。为进行预测建模，数据集被随机分为训练集（80%）和内部测试集（20%）。开发了八种机器学习算法

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。