基于基因表达的手术治疗肺癌患者个体化结局预测数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE4716

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

通过对50例非小细胞肺癌（NSCLC）病例中总计8,644个基因的表达谱分析，成功构建了个体化结局预测分类器。这些病例均在规定的短时间内连续接受手术，并随访五年以上。所获得的NSCLC分类器在预测特定患者术后五年生存或死亡方面达到了82%的准确率。此外，由于两种主要组织学类别在结局相关表达特征方面可能存在差异，还构建了组织学类型特异性的结局分类器。所获得的高预测性分类器专为非鳞状细胞癌设计，显示出超过90%的预测准确率，且不依赖于疾病分期。除了腺癌中存在异质性外，我们的无监督层次聚类分析首次揭示了鳞状细胞癌存在临床病理学相关的亚类，这些亚类在侵袭性生长和预后方面存在显著差异。

这一发现明确提示，NSCLC由不同的亚类组成，即使在同一组织学类型内也存在相当大的异质性。总体而言，这些发现不仅应增进我们对肺癌生物学的理解，还应增强我们根据预测结果个体化制定术后治疗方案的能力。关键词：细胞类型比较与预后预测

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。