滤泡性淋巴瘤与结内边缘区淋巴瘤灰区形态学与遗传特征数据
该数据集来自ebi.ac.uk,包含56例淋巴瘤样本的高分辨率arrayCGH数据,覆盖结内边缘区淋巴瘤、t(14;18)阴性滤泡性淋巴瘤、局限性t(14;18)阳性滤泡性淋巴瘤和播散性t(14;18)阳性滤泡性淋巴瘤四个亚组

基本信息
资源简介
滤泡性淋巴瘤与结内边缘区淋巴瘤灰区形态学与遗传特征数据
Dissecting the grey zone between follicular lymphoma and nodal marginal zone lymphoma using morphological and genetic features
该数据集来自ebi.ac.uk,包含56例淋巴瘤样本的高分辨率arrayCGH数据,覆盖结内边缘区淋巴瘤、t(14;18)阴性滤泡性淋巴瘤、局限性t(14;18)阳性滤泡性淋巴瘤和播散性t(14;18)阳性滤泡性淋巴瘤四个亚组。研究旨在利用形态学和遗传学特征剖析滤泡性淋巴瘤与结内边缘区淋巴瘤之间的诊断灰区。数据可用于比较不同亚组的染色体畸变模式,支持淋巴瘤亚型分类研究(来源 BioStudies)。
【数据内容】
源站描述(机器翻译,仅供参考):结内边缘区淋巴瘤在WHO分类中是一个定义不明确的实体,主要基于排除标准,诊断往往仍具主观性。缺乏t(14;18)的滤泡性淋巴瘤具有相似特征,导致重大的潜在诊断重叠,本研究旨在剖析这一重叠。四个淋巴瘤样本亚组(n=56)通过高分辨率arrayCGH进行分析;结内边缘区淋巴瘤、t(14;18)阴性滤泡性淋巴瘤、局限性t(14;18)阳性滤泡性淋巴瘤和播散性t(14;18)阳性滤泡性淋巴瘤。在所有亚组中均观察到7、8和12号染色体获得。播散性t(14;18)阳性滤泡性淋巴瘤的平均畸变数高于局限性t(14;18)阳性滤泡性淋巴瘤(p<0.01),且局限性t(14;18)阳性滤泡性淋巴瘤中的大多数改变是a
【主题与分类】
主题标签:Homo sapiens。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://ebi.ac.uk/biostudies/studies/E-GEOD-40641
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://ebi.ac.uk/biostudies/studies/E-GEOD-40641
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
Daoud Sie; Oscar Krijgsman; Patricia Gonzalez; Olga Balagué Ponz; Marit Roemer; Stefanie Slot; Annegien Broeks; Linde Braaf; Ron Kerkhoven; Freek Bot; Krijn van Groningen; Max Beijert; Bauke Ylstra; Daphne de Jong (2013). Dissecting the grey zone between follicular lymphoma and nodal marginal zone lymphoma using morphological and genetic features [Dataset]. https://www.ebi.ac.uk/biostudies/studies/E-GEOD-40641
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。




