血浆蛋白质组学生物标志物区分良恶性肺结节评估

数据集获取

源站：https://search.dataone.org/view/sha256%3A9b1ce39da9d94c46ead183e599fc9960908533fc3f4baa994481cebba389b7f4

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

背景：肺结节是一项诊断挑战，据估计在美国年发病率为160万例。本研究评估了一种整合蛋白质组分类器在识别癌症预测试概率（pCA）≤50%患者中良性结节的准确性。方法：开展了一项前瞻性、多中心观察性试验，纳入685例8至30毫米肺结节患者。采用多反应监测质谱法测定两种血浆蛋白LG3BP和C163A的相对丰度。结果与临床风险预测模型整合，以识别可能为良性的结节。计算了敏感性、特异性和阴性预测值。并评估了若整合分类器结果可得并据此采取措施，侵入性检测可能发生的变化。结果：在178例经临床医生评估pCA≤50%的患者亚组中，肺癌患病率为16%。整合分类器在区分良性与恶性结节方面表现出97%的敏感性（CI，82-100）、44%的特异性（CI，36-52）和98%的阴性预测值（CI，92-100）。

该分类器的表现优于PET、经验证的肺结节风险模型以及医生的癌症概率估计（P < .001）。如果使用集成分类器的结果指导诊疗，对良性结节进行的手术操作将减少40%，而3%的恶性结节将被误分类。结论：在pCA ≤ 50%的肺结节患者中使用时，该集成分类器能够准确识别良性肺结节，具有良好的性能特征。若应用于临床实践，可通过将良性结节引导至监测随访来减少有创操作。试验注册：ClinicalTrials.gov；注册号：NCT01752114；网址：www.clinicaltrials.gov）。

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。