早期NSCLC表达数据

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-19188

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

我们鉴定出一个由5个基因组成的肿瘤特征谱，可将156个肿瘤和正常样本聚集到预期分组中。我们还鉴定出一个由75个基因组成的组织学特征谱，可将样本归类为NSCLC的主要组织学亚型。一个由17个基因组成的预后特征谱显示与术后生存时间的关联最佳。这些特征谱的性能在一个规模相似的患者队列中得到了验证。对一个91例患者队列进行了全基因组基因表达分析。我们使用了91份肿瘤组织和65份癌旁正常肺组织样本。我们利用表达谱定义了预测基因集（探针集）。预测基因的效力在一个由96份非小细胞肺癌样本和6份正常肺样本组成的独立队列中进行了评估。

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。