Hypoxic-Core (HyCo) 球体芯片数据集:临床缺氧标志与转化肿瘤学

数据由Borealis机构于2025年发布,涉及微流控芯片上的3D缺氧核心球体模型,涵盖工程、医学与生命科学领域,主题包括微流控、球体、缺氧和肉瘤

BorealisBorealis
datacite
浏览 11
其他EngineeringMedicine, Health and Life SciencesMicrofluidicsSpheroidsHypoxiaSarcoma
Dataset for "Hypoxic-Core (HyCo) Spheroids On-chip Recapitulate Hallmarks of Clinical Hypoxia for Translational Oncology"

基本信息

模态
其他
创建/更新时间
2026-10-07
版本
4.0

资源简介

Hypoxic-Core (HyCo) 球体芯片数据集:临床缺氧标志与转化肿瘤学

Dataset for "Hypoxic-Core (HyCo) Spheroids On-chip Recapitulate Hallmarks of Clinical Hypoxia for Translational Oncology"

该数据集为论文《Clinically-Relevant On-Chip 3D Hypoxic-Core (HyCo) Model Reveals Impacts on Therapy Resistance and Enables Targeted Drug Validation in Soft-Tissue Sarcoma》的配套原始数据,用于生成论文图2至图7的图表。数据由Borealis机构于2025年发布,涉及微流控芯片上的3D缺氧核心球体模型,涵盖工程、医学与生命科学领域,主题包括微流控、球体、缺氧和肉瘤。该数据可用于复现论文图表、验证缺氧核心模型在软组织肉瘤治疗抵抗及靶向药物验证中的表现,支持转化肿瘤学研究(来源 DOI 。

【数据集背景】

源站首次发布:2025。

【主题与分类】

主题标签:Engineering、Medicine, Health and Life Sciences、Microfluidics、Spheroids、Hypoxia、Sarcoma。本站分类:肿瘤。

【获取与许可】

源站页面:https://borealisdata.ca/citation?persistentId=doi:10.5683/SP3/OMRVNX

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:https://doi.org/10.5683/sp3/omrvnx

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

用于生成题为<i>临床相关的芯片上3D缺氧核心(HyCo)模型揭示对软组织肉瘤治疗耐药性的影响并实现靶向药物验证</i>的论文中图2至图7图表的原始数据,该论文投稿至<i>BMC Molecular Cancer</i>。

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