结构与非结构化的肝癌临床诊断数据集

数据集获取

源站：https://nbsdc.cn/general/dataDetail?id=687e4a46195d263b6dc8b27c&type=1

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

该数据集是一个面向肝癌临床诊断任务的数据资源，涵盖结构化与非结构化的医疗数据。数据来源于中国301医院，基于真实患者的临床数据构建，并在采集过程中通过去隐私化处理确保数据安全与合规。数据集围绕“肝胆胰”类疾病，旨在为肝癌相关诊断研究提供高质量数据支持，推动疾病预测与诊断方法的优化。数据集包含文本数据和表格数据两种主要形式：文本数据记录了患者的主诉、现病史、既往史、个人史、家族史、体格检查及化验与特殊检查等信息，其中主诉、现病史与既往史作为关键特征字段用于预测肝癌；表格数据则聚焦于患者的具体检查指标，如血常规、凝血四项、血清术前八项、癌胚抗原测定等，其中癌胚抗原测定（CA724）、胰腺功能检查（淀粉酶）、血清术前八项（乙肝表面抗原）及甲胎蛋白测定等指标被作为预测肝癌的核心输入变量。数据集包含数百例患者数据，具有较高的多样性与代表性，可用于构建多模态肝癌诊断模型，包括基于深度学习的分类模型与规则驱动的专家系统等，适合科研机构和医疗机构开展相关研究，以提升肝癌的早期诊断水平并推动人工智能在医疗领域的应用。

数据加载示例（表格/文本类）

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))