食管癌 MDT 模型建模数据
主题标签：食管癌、MDT、机器学习、临床决策支持、肿瘤、建模数据。本数据集为肿瘤领域公开数据集，由University of Southampton提供，主题涵盖食管癌。
基本信息
资源简介
食管癌 MDT 模型建模数据
该数据集英文名为 Data used for modelling oesophageal cancer MDT models，由 University of Southampton 提供，作者包括 Thavanesan, Navamayooran、Rahman, Saqib A 与 Grace, Ben，发布时间为 2026 年，采用 Creative Commons Attribution 4.0 International 许可。数据集来源于 doi.org，在分类上属于肿瘤 / 其他领域，主题标签涵盖食管癌、MDT、机器学习、临床决策支持、肿瘤与建模数据。整体而言，这是一份面向食管癌多学科团队（MDT）建模研究的公开数据集，可用于支持相关机器学习模型的开发与验证，其内容与食管癌临床决策支持系统的研究密切相关。
【数据集背景】
该数据集用于食管癌 MDT 模型的建模工作，来源于相关学位论文研究。根据源站描述，数据集所包含的数据曾在 IRAS 233065 与 IRAS 319540 两项研究中作为组成部分使用，但主要是在 IRAS 233065 研究框架下采集并取得知情同意的，源站还附有一份针对本研究的空白同意书。截至 2025 年 10 月，该最终数据集中的数据已贡献于若干出版物，其中包括 Thavanesan N 等人关于食管癌多学科工具的研究，该工具被描述为一种共同设计、经外部验证的机器学习临床决策支持系统，已被 Lancet: eClinicalMedicine（2025）89, 103527 接受发表，该刊影响因子为 10.0，CiteScore 为 17.0。源站描述中还列出了其他作者与出版信息，但内容在提供时被截断。
【数据内容】
源站描述指出，该数据集附带一个 readMe 文件，用于概述总体数据结构与变量表头。除 readMe 文件所说明的数据结构与变量表头外，源站未提供关于具体变量、样本量、字段类型或数据规模的进一步信息。
【采集与来源】
数据集由 University of Southampton 提供，来源站为 doi.org。数据采集与知情同意主要依据 IRAS 233065 研究进行，同时与 IRAS 319540 研究相关。源站未提供采集时间范围、采集地点、采集方式或样本来源的更多细节。
【适用场景】
该数据集适用于食管癌 MDT 相关的建模研究，尤其是与机器学习临床决策支持系统开发、验证相关的分析场景。其主题标签包括食管癌、MDT、机器学习、临床决策支持、肿瘤与建模数据，表明其用途集中于肿瘤学领域的多学科团队决策建模。源站未提供其他具体适用场景的说明。
【使用方法】
源站描述提到，数据集附带 readMe 文件，其中概述了总体数据结构与变量表头，使用者可据此了解数据组织方式。除该 readMe 文件外，源站未提供关于数据加载、预处理、分析流程或软件环境的具体使用说明。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或验证结果的系统说明。已知该数据集中的数据已贡献于同行评议出版物，并被描述为经外部验证的机器学习临床决策支持系统研究的一部分，但源站未提供针对数据集本身的质量评估指标或局限性讨论。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。作者为 Thavanesan, Navamayooran、Rahman, Saqib A 与 Grace, Ben，机构为 University of Southampton，发布时间为 2026 年。源站描述中列出了与该数据集相关的出版物信息，包括 Thavanesan N 等人被 Lancet: eClinicalMedicine 接受发表的论文。除上述信息外，源站未提供具体的引用格式、DOI 编号或附加许可条款。
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://doi.org/10.5258/soton/d3700
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
用于我论文中食管癌MDT模型建模的数据。相关readMe文件概述了总体数据结构和变量表头。虽然该数据作为IRAS 233065和IRAS 319540研究的一部分使用，但其收集和知情同意主要是在IRAS 233065下进行的，本研究的一份空白知情同意书随附于此。截至2025年10月，该最终数据集中的数据已为以下出版物做出了贡献：Thavanesan N, Naiseh M, Terol M, Rahman S, Hill S, Parfitt C, Walter’s Z, Ramchurn S, Markar S, Owen R, Maynard N, Azim T, Belkhatir Z, Perez E, McCord M, Underwood T, Vigneswaran G. 食管癌多学科工具：一个共同设计、外部验证的机器学习临床决策支持系统。已被《Lancet: eClinicalMedicine》接受发表（2025）89, 103527。| 影响因子10.0，CiteScore 17.0 Thavanesan N, Farahi A, Parfitt C, Belkhatir Z, Azim T, Perez Vallejos E, Walters Z, Ramchurn S, Underwood T, Vigneswaran G. 来自可解释AI在食管癌团队决策中的见解。
Computers in Biology and Medicine (2024) 180:108978 | 影响因子 6.3 CiteScore 13.0 Thavanesan N, Bodala I, Walters Z, Ramchurn S, Underwood TJ, Vigneswaran G. 机器学习预测食管癌多学科团队根治性治疗决策。European Journal of Surgical Oncology. 2023年11月;49(11):106986 PMID 37463827 | 影响因子：2.9，CiteScore 6.1
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。
