孟加拉国达卡多医院肺癌死亡率与生存分析临床数据集

数据集获取

源站：https://doi.org/10.17632/wzzxjs8gww.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。

数据集大小约 258.6 KB。

数据说明

本数据集全面收集了1，782名确诊肺癌患者的临床和人口统计学信息，数据来自孟加拉国达卡的多个三级医院和医疗中心。该数据集经过精心设计，以反映真实的医院数据收集实践，确保临床真实性、统计一致性以及对医学数据分析和机器学习研究的实用性。数据集包含17个属性，涵盖人口统计详情、临床病史、生活方式因素、诊断发现、治疗信息和生存结果。关键人口统计特征包括患者年龄、性别、国家和医院来源。临床属性涵盖疾病分期、家族癌症史、吸烟状况、体重指数（BMI）、胆固醇水平以及高血压、哮喘、肝硬化、既往癌症史等合并症。诊断和治疗相关变量包括诊断日期、治疗方式、治疗结束日期和生存结果。

该数据集特别适用于肺癌死亡率分析、生存预测、疾病进展建模、风险因素评估以及基于可解释人工智能（XAI）的临床决策支持系统。临床和生活方式变量的多样性使得稳健的预测建模和以可解释性为重点的研究成为可能，支持数据驱动型医疗解决方案的开发。为保护患者隐私和符合伦理标准，所有记录均已完全匿名化，不包含任何个人可识别信息。该数据集严格用于学术研究、教育和非商业用途。关键词：肺癌、死亡率预测、临床数据集、医疗分析、机器学习、可解释AI、生存分析、医学数据挖掘、孟加拉国。数据收集 该数据集代表了从四家主要医院和医疗机构收集的聚合患者记录

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。