补充文件1：表S1。CREBBP和SOCS1突变是弥漫性大B细胞淋巴瘤的独立预后因素：SAKK 38/07前瞻性临床试验队列的突变分析
该数据集来自SAKK 38/07前瞻性临床试验队列，针对弥漫大B细胞淋巴瘤（DLBCL）开展高通量测序与变异检测分析，包含76例原发性DLBCL病例的体细胞突变数据，并涉及CREBBP与SOCS1突变的预后意义
基本信息
资源简介
补充文件1：表S1。CREBBP和SOCS1突变是弥漫性大B细胞淋巴瘤的独立预后因素：SAKK 38/07前瞻性临床试验队列的突变分析
Additional file 1: Table S1. of Mutations of CREBBP and SOCS1 are independent prognostic factors in diffuse large B cell lymphoma: mutational analysis of the SAKK 38/07 prospective clinical trial cohort
该数据集来自SAKK 38/07前瞻性临床试验队列，针对弥漫大B细胞淋巴瘤（DLBCL）开展高通量测序与变异检测分析，包含76例原发性DLBCL病例的体细胞突变数据，并涉及CREBBP与SOCS1突变的预后意义。数据以XLSX表格形式提供，可用于探索DLBCL的突变谱特征、筛选预后相关基因，以及支持淋巴瘤分子分型与预后预测研究（来源 DOI 解析，CC BY + CC0 许可）。
【数据集背景】
源站首次发布：2017。
【数据内容】
源站描述（机器翻译，仅供参考）：高通量测序与变异检测的统计结果。表S2. 通过高通量测序在76例原发性DLBCL中检测到的体细胞突变。（XLSX 384Â kb）
【主题与分类】
主题标签：Genetics、Developmental Biology、Cancer、Hematology、60506 Virology。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://springernature.figshare.com/articles/dataset/Additional_file_1_Table_S1_of_Mutations_of_CREBBP_and_SOCS1_are_independent_prognostic_factors_in_diffuse_large_B_cell_lymphoma_mutational_analysis_of_the_SAKK_38_07_prospective_clinical_trial_cohort/4762729/1
使用许可：CC BY + CC0。
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/10.6084/m9.figshare.c.3719626_d1.v1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
高通量测序与变异检测的统计。表S2. 在76例原发性DLBCL中通过高通量测序检测到的体细胞突变。（XLSX 384 kb）
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。
