电子鼻分析呼出气检测肺癌：多中心前瞻性外部验证研究

数据集获取

源站：https://doi.org/10.34973/4nwh-qr05

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

数据是在一项多中心前瞻性外部验证研究的背景下收集的，该研究主要旨在：(1) 在胸科肿瘤门诊中，对临床和/或影像学怀疑肺癌的COPD患者，前瞻性且外部验证已发表的电子鼻（eNose）模型的诊断性能；(2) 探索已发表模型和一个专门针对目标人群定制的新eNose模型在胸科肿瘤门诊所有临床和/或影像学怀疑肺癌的个体中检测肺癌的诊断性能。该研究的次要目的是通过质谱分析确认eNose的判别能力。数据收集自两个成人队列，这些成人临床和/或影像学怀疑肺癌，并被转诊至Radboudumc或UMCG的胸科肿瘤门诊进行进一步诊断评估。两个队列均进行了eNose测量，而质谱分析仅对第二个队列进行。

两个队列的基线特征和eNose数据分别包含在“Baseline characteristics first cohort”和“Baseline characteristics second cohort”文件中。质谱数据包含在“TD-GC-MS data second cohort”文件中。

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。