MAQC-II项目：Hamner数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE24061

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

Hamner数据集（终点A）由The Hamner Institutes for Health Sciences（美国北卡罗来纳州三角研究园）提供。研究目标是应用微阵列基因表达数据，这些数据来自接受13周化学物处理的雌性B6C3F1小鼠的肺组织，用于预测美国国家毒理学计划2年啮齿动物致癌生物测定中肺肿瘤发病率的增加。若取得成功，其结果可能为评估化学物致癌活性奠定更高效、更经济方法的基础。微阵列分析使用Affymetrix Mouse Genome 430 2.0芯片，每个处理组3至4只小鼠，共分析70只小鼠并用作MAQC-II的训练集（GEO系列GSE6116）。随后收集了另一组88只小鼠的额外数据，作为MAQC-II的外部验证集提供（本系列）。训练数据集已由其提供者存入GEO，登录号为GSE6116。

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。