数据集获取

源站：https://synapse.org/Synapse:syn32529019

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

肿瘤内空间异质性与肺腺癌患者生存相关（CyCIF 成像数据）

Hua-Jun Wu, Daniel Temko, Zoltan Maliga, Andre Moreira, Emi Sei, Darlan Conterno Minussi, Jamie Dean, Charlotte Lee, Qiong Xu, Guillaume Hochart, Connor Jacobson, Clarence Yapp, Denis Schapiro, Peter Sorger, Erin H. Seeley, Nicholas Navin, Robert J. Downey, and Franziska Michor
_Cell Genomics. 2022. 2(8), 100165. PMID: 35404441. https://doi.org/10.1016/j.xgen.2022.100165._

摘要：人类肿瘤的肿瘤内异质性（ITH）对于肿瘤进展、治疗反应和耐药性具有重要意义。然而，ITH 的空间分布仍未完全明确。在此，我们利用对 >5000 个区域的多区域质谱分析、对约 2000 个单细胞的单细胞拷贝数测序，以及对 >1000 万个细胞的循环免疫荧光，对来自 147 例患者的肺腺癌进行了 ITH 空间分析。我们在肿瘤中鉴定出两种不同的空间模式，称为聚集型和随机型地理多样化（GD）。利用蛋白质组学和基因组学数据，在相同样本中均观察到了这些模式。随机型蛋白质组学 GD 模式以细胞黏附降低和与肿瘤相互作用的内皮细胞水平较低为特征，在两个独立患者队列中与复发或死亡风险增加显著相关。我们的研究展示了肺腺癌 ITH 的全面空间图谱，并为肿瘤内异质性地理多样化的机制和临床后果提供了见解。

数据集描述

该数据集可用于重现对 12 个肺部肿瘤的分析（如 Wu HJ、Temko D、Maliga Z 等，Cell Genomics，2022 所述），并用于开发新的计算工具，以处理和分析经标准组织病理学染色（苏木精和伊红）或高度多重（20+）荧光组织成像的肿瘤。…

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。