整合影像组学与影像基因组学预测EGFR阳性肺腺癌脑转移的多模态融合模型复现数据

该数据集来自 Harvard Dataverse,用于复现一项整合影像组学与影像基因组学的多模态融合模型研究,目标是预测 EGFR 阳性肺腺癌患者的脑转移

Harvard DataverseHarvard Dataverse
datacite
浏览 8
医学影像预测Medicine, Health and Life Sciences
Replication Data for: A Multimodal Fusion Model Incorporating Radiomics and Radiogenomics for Predicting Brain Metastases in Patients with EGFR-Positive Lung Adenocarcinoma

基本信息

模态
医学影像
大小
0.002723312 GB
任务类型
预测
创建/更新时间
2026-10-19
版本
1.0

资源简介

整合影像组学与影像基因组学预测EGFR阳性肺腺癌脑转移的多模态融合模型复现数据

Replication Data for: A Multimodal Fusion Model Incorporating Radiomics and Radiogenomics for Predicting Brain Metastases in Patients with EGFR-Positive Lung Adenocarcinoma

该数据集来自 Harvard Dataverse,用于复现一项整合影像组学与影像基因组学的多模态融合模型研究,目标是预测 EGFR 阳性肺腺癌患者的脑转移。数据包含 173 例经病理确诊且携带 EGFR 突变的肺腺癌患者的基线肺部 CT 影像数据。该数据可用于构建和验证基于影像组学的脑转移预测模型,并支持多模态融合方法的复现与评估(来源 DOI 解析)。

【数据集背景】

源站首次发布:2025。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集的目的是基于影像组学预测肺癌脑转移。收集了 173 例经病理确诊的肺腺癌且携带表皮生长因子受体(EGFR)突变患者的基线肺部计算机断层扫描(CT)影像数据。

【主题与分类】

主题标签:Medicine, Health and Life Sciences。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/PAETHS

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://doi.org/10.7910/dvn/paeths

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。

数据集大小约 2.7 MB。

数据说明

<h1>融合影像组学与影像基因组学的多模态融合模型用于预测EGFR阳性肺腺癌患者的脑转移</h1> <ul> <li>数据集目的:基于影像组学预测肺癌脑转移</li> <li>收集了173例经病理诊断为伴表皮生长因子受体(EGFR)突变的肺腺癌患者的基线肺部计算机断层扫描(CT)影像数据</li> </ul>

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。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案