基于多变量细胞的液体活检用于肺结节风险分层：分析验证与早期临床评估

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE275699

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

iCAP是一种基于血液的诊断工具，通过将细胞用作生物传感器来解决血液生物标志物信噪比低的问题。该检测方法将患者血清暴露于培养的标准化细胞，并通过AI分析细胞的基因表达读数来对疾病进行分类。该方法将血液的复杂性简化为可扩展的基于细胞的检测中的简明读数。我们开发了LC-iCAP，作为CT肺癌筛查中结节管理的排除性检测。该检测在回顾性样本的盲法时间验证中达到AUC 0.63（95% CI 0.50-0.75）。验证后与CT数据整合时，在估计25%患病率下，它表现出90%的敏感性、67%的特异性和95%的NPV，显著优于Mayo Clinic模型，并可能减少不必要的随访程序。分析验证证明了LC-iCAP的可重复性，识别了长期样本储存带来的不必要变异，并表明差异检测读数中缺氧信号通路富集。

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。