皮肤鳞状细胞癌早期与晚期复发预后决定因素多中心回顾性队列研究数据
该数据集来自 data.mendeley.com，为皮肤鳞状细胞癌早期与晚期复发预后决定因素多中心回顾性队列研究的补充材料，包含1个Word文档文件
基本信息
资源简介
皮肤鳞状细胞癌早期与晚期复发预后决定因素多中心回顾性队列研究数据
Prognostic determinants of early and late relapse in cutaneous squamous cell carcinoma: a multicenter retrospective cohort study
该数据集来自 data.mendeley.com，为皮肤鳞状细胞癌早期与晚期复发预后决定因素多中心回顾性队列研究的补充材料，包含1个Word文档文件。数据覆盖该研究相关的补充内容，可用于了解皮肤鳞状细胞癌复发预后因素的研究背景与材料，并辅助相关预后分析或方法学参考（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-05-20。
【数据内容】
源站描述（机器翻译，仅供参考）：补充材料：皮肤鳞状细胞癌早期与晚期复发的预后决定因素：一项多中心回顾性队列研究。作者：Sergio Rodríguez-Conde（医学博士），Cristian Cardona-Machado（理学硕士）（），Nina A. Ran（医学博士，理学硕士，公共卫生硕士），Emily E. Granger（医学博士）；Fabio Muradás Girardi（医学博士，理学硕士）；Kathryn T. Shahwan（医学博士）；Divya Srivastava（医学博士）；Rajiv I. Nijhawan（医学博士）；Allison T. Vidimos（注册药剂师，医学博士）；Tyler J. Willenbrink（医学博士）；Ashley Wysong（医学博士，理学硕士）；David G. Brodland（医学博士）；David R. Carr（医学博士，公共卫生硕士）；Joi B. Carter（医学博士）；John A. Carucci（医学博士，哲学博士）；Kelsey E. Hirotsu（医学博士）；Shlomo A. Koyfman（医学博士）；Aaron R. Mangold（医学博士）；Emily S. Ruiz（医学博士，公共卫生硕士）；Javier Cañueto（医学博士，哲学博士）（）这些作者对本文贡献相同。
【数据结构与技术规格】
文件数 1 个，合计 217.27 KB。数据集 DOI：10.17632/b6znmsfbyj.2。
【主题与分类】
主题标签：皮肤鳞状细胞癌、肿瘤复发、预后因素、多中心研究、回顾性队列、补充材料。本站分类：肿瘤。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/b6znmsfbyj
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://data.mendeley.com/datasets/b6znmsfbyj
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 217.3 KB。
数据说明
Javier Canueto (2026). Prognostic determinants of early and late relapse in cutaneous squamous cell carcinoma: a multicenter retrospective cohort study [Dataset]. http://doi.org/10.17632/b6znmsfbyj.2
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。
