JAAD研究信函补充材料:默克尔细胞癌切除术后手术切缘阳性的风险因素及预后影响

该数据集包含默克尔细胞癌患者手术切除后的临床表格数据,涵盖人口统计学、肿瘤病理、手术细节及预后随访信息,通过回顾性研究分析手术切缘阳性的风险因素及其对患者生存的影响,主要用于皮肤肿瘤外科治疗、预后评估和临床风险管理研究。

doi.orgdoi.org
doi.org
浏览 16
Merkel细胞癌手术治疗
Supplemental Material for JAAD Research Letter: 'Risk factors for and prognostic impact of positive surgical margins after excision of Merkel cell carcinoma'

基本信息

大小
0.000022754 GB
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-09-21

资源简介

JAAD研究信函补充材料:默克尔细胞癌切除术后手术切缘阳性的风险因素及预后影响

【数据集背景】

本数据集源站标题为《Supplemental Material for JAAD Research Letter: "Risk factors for and prognostic impact of positive surgical margins after excision of Merkel cell carcinoma"》。源站首次发布:2021。

【数据内容】

源站原始描述:Supplemental Material for JAAD Research Letter: "Risk factors for and prognostic impact of positive surgical margins after excision of Merkel cell carcinoma"

【获取与许可】

源站页面:https://data.mendeley.com/datasets/jhm6539mcm/1

使用许可:Creative Commons Attribution 4.0 International。

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:http://doi.org/10.17632/jhm6539mcm.1

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

该数据集是《美国皮肤病学会杂志》(JAAD)研究信函的补充材料,聚焦于默克尔细胞癌(Merkel cell carcinoma)手术切除后的临床研究。数据集包含与手术切缘阳性相关的患者临床数据,如人口统计学特征、肿瘤病理信息、手术细节及预后随访结果。数据来源于已发表的医学研究,通过回顾性临床数据收集构建,旨在分析手术切缘阳性的风险因素及其对患者生存预后的影响。主要研究方向包括皮肤肿瘤外科治疗、预后评估及临床风险管理,适用于肿瘤学、皮肤病学及外科临床研究。

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