浸润性小叶癌生存分析数据集
该数据集包含2157名乳腺癌患者的临床表格数据，涵盖人口统计学、病理特征、治疗信息和生存随访结果，主要用于比较浸润性小叶癌与其他亚型（如非特殊型乳腺癌、非小叶特殊型乳腺癌）的无病生存期和总生存期，以评估其预后差异并指导临床治疗决策。
基本信息
资源简介
浸润性小叶癌生存分析数据集
【数据集背景】
本数据集源站标题为《Replication Data for: Classifying Invasive Lobular Carcinoma as Special Type Breast Cancer May Be Reducing Its Treatment Success: A comparison of Survival Among Invasive Lobular Carcinoma》。
【数据内容】
源站原始描述：ORIGINAL RESEARCH Cosar et al Classifying Invasive Lobular Carcinoma as Special Type Breast Cancer May Be Reducing Its Treatment Success: A comparison of Survival Among Invasive Lobular Carcinoma Rusen Cosar1, Necdet Sut2 , Sernaz Topaloglu3 , Ebru Tastekin4 , Dilek Nurlu1 , Talar Ozler1 , Eylül Şenödeyici5 , Melisa Dedeli1 , Mert Chousein1, Irfan Cicin3 1Trakya University Faculty of Medicine Department of Radiation Oncology, Edirne, Turkey 2 Trakya University Faculty of Medicine Department of B…
【主题与分类】
主题标签：invazive lobular breast carcinoma、special type berast carcinoma、breast carcinoma、Medicine, Health and Life Sciences。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:718a1fb72d2ee9b1b55569ddd4331a2bd9180ad26e29471aa55b7cd381704dce
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
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
该数据集来源于一项回顾性临床研究，旨在比较浸润性小叶癌（ILC）与其他乳腺癌亚型的生存结局。数据集包含1999年7月至2021年12月在土耳其特拉基亚大学肿瘤科就诊的2157名乳腺癌患者的临床记录。数据内容涵盖患者人口统计学特征、肿瘤病理学信息（如组织学类型、分期、激素受体状态、HER2状态）、治疗方式（手术、化疗、放疗、内分泌治疗）以及生存随访结果（无病生存期和总生存期）。数据通过医院病历和病理报告回顾性收集，并采用Kaplan-Meier方法和Cox回归模型进行生存分析。该数据集主要用于乳腺癌预后研究、治疗策略评估以及探索ILC这一特殊亚型的临床生物学特征。
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。
