GENETEX 稿件一致性率数据集
该数据集来自 Dryad，对应 GENETEX 稿件的一致性率数据，属于肿瘤及其他类别。GENETEX 是一个 R 包与 Shiny 应用，用于从电子健康记录中文本挖掘基因组报告，并将结构化数据导入 REDCap
基本信息
资源简介
GENETEX 稿件一致性率数据集
Agreement rate data set for GENETEX manuscript
该数据集来自 Dryad，对应 GENETEX 稿件的一致性率数据，属于肿瘤及其他类别。GENETEX 是一个 R 包与 Shiny 应用，用于从电子健康记录中文本挖掘基因组报告，并将结构化数据导入 REDCap。其功能涵盖关键基因组信息的自然语言处理、半结构化数据向结构化数据的转换以及导入 REDCap。与人工提取相比，GENETEX 一致性超过 99%，且耗时约为人工的五分之一。该数据可用于评估文本挖掘工具在临床基因组数据提取中的表现（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2021。
【数据内容】
源站描述（机器翻译，仅供参考）：目标：通过常规临床实践获得的临床基因组数据（CGD）有潜力增进我们对临床肿瘤学的理解。然而，这些数据往往存在于异构和半结构化数据中，导致分析周期延长。材料与方法：我们创建了 GENETEX：一个 R 包和 Shiny 应用，用于从 EHR 的基因组报告中进行文本挖掘，并直接导入 REDCap®。结果：GENETEX 有助于从 EHR 中提取 CGD，并简化将结构化数据捕获到 REDCap® 的过程。其功能包括对关键基因组信息的自然语言处理、将半结构化数据转换为结构化数据以及导入 REDCap。当与人工提取进行评估时，GENETEX 的一致性超过 99%，并且捕获 CGD 的时间约为人工的五分之一。结论：GENETEX 在 Massachusetts Institute 下免费提供
【主题与分类】
主题标签：Clinical、clinical informatics、Text mining。本站分类：肿瘤。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.dbrv15f25
使用许可：Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.dbrv15f25
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:
数据集大小约 66.6 KB。
数据说明
目的：通过常规临床实践获取的临床基因组数据（CGD）有潜力增进我们对临床肿瘤学的理解。然而，这些数据往往存在于异质性和半结构化的数据中，导致分析时间延长。材料与方法：我们创建了GENETEX：一个R包和Shiny应用程序，用于从电子健康记录（EHR）中文本挖掘基因组报告，并直接导入REDCap®。结果：GENETEX促进了从EHR中提取CGD，并简化了将结构化数据捕获到REDCap®的过程。其功能包括对关键基因组信息的自然语言处理、将半结构化数据转换为结构化数据以及导入REDCap。与手动提取相比，GENETEX的一致性超过99%，并且捕获CGD的时间约为其五分之一。结论：GENETEX在麻省理工学院许可下免费提供，可从GitHub获取。GENETEX在R中执行，并作为Shiny应用程序部署，供非R用户使用。它以极短的时间实现了CGD的高保真提取。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
