胸腔积液生物标志物与CT表现诊断恶性胸膜间皮瘤的单中心回顾性研究
本数据集来自单中心回顾性队列研究,纳入2014年9月至2016年8月期间接受胸腔积液分析的连续未确诊胸腔积液患者240例,其中恶性胸膜间皮瘤32例、非恶性胸膜间皮瘤208例

基本信息
资源简介
胸腔积液生物标志物与CT表现诊断恶性胸膜间皮瘤的单中心回顾性研究
Pleural effusion biomarkers and computed tomography findings in diagnosing malignant pleural mesothelioma: a retrospective study in a single center
本数据集来自单中心回顾性队列研究,纳入2014年9月至2016年8月期间接受胸腔积液分析的连续未确诊胸腔积液患者240例,其中恶性胸膜间皮瘤32例、非恶性胸膜间皮瘤208例。数据涵盖SMRP、CYFRA 21-1与CEA等胸腔积液生物标志物及胸部CT表现,可用于评估这些标志物单独或联合CT表现区分恶性胸膜间皮瘤与其他胸腔积液病因的能力,支持诊断分类建模与ROC分析(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):在本研究中,我们旨在检验胸腔积液(PE)生物标志物可溶性间皮素相关肽(SMRP)、细胞角蛋白19片段(CYFRA 21-1)和癌胚抗原(CEA)的临床价值,以及将胸部计算机断层扫描(CT)表现与这些生物标志物联合用于诊断恶性胸膜间皮瘤(MPM)的效用。我们在单中心开展了一项回顾性队列研究。回顾了2014年9月至2016年8月期间接受PE分析的连续未确诊胸腔积液患者。本研究纳入240例患者(32例MPM和208例非MPM)。SMRP和CYFRA 21-1/CEA比值诊断MPM的敏感度和特异度分别为56.3%和86.5%,以及87.5%和74.0%。利用受试者工作特征(ROC)曲线分析这些标志物区分MPM与所有其他PE病因的能力,th
【主题与分类】
主题标签:malignant pleural mesothelioma、September 2014 - August 2016。本站分类:肿瘤/间皮瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A2692376a66a6c112f583e7fa231afaf3d43504c8aa5486dfe0764dc2dc8f5c61
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
在本研究中,我们旨在探讨胸腔积液(PE)生物标志物——可溶性间皮素相关肽(SMRP)、细胞角蛋白19片段(CYFRA 21-1)和癌胚抗原(CEA)的临床价值,以及将胸部计算机断层扫描(CT)表现与这些生物标志物联合用于诊断恶性胸膜间皮瘤(MPM)的效用。我们在单中心开展了一项回顾性队列研究。对2014年9月至2016年8月期间接受PE分析、未确诊胸腔积液的连续患者进行了回顾。本研究纳入240例患者(32例MPM,208例非MPM)。SMRP和CYFRA 21-1/CEA比值诊断MPM的敏感度和特异度分别为56.3%和86.5%,以及87.5%和74.0%。采用受试者工作特征(ROC)曲线分析这些标志物区分MPM与所有其他PE病因的能力,SMRP和CYFRA 21-1/CEA比值的ROC曲线下面积(AUC)分别为0.804和0.874,分别……
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。




