K-NeSyNet：面向个性化肿瘤治疗推荐的实验源数据与可复现性包

数据集获取

源站：https://doi.org/10.5281/zenodo.22253522

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。

数据集大小约 13.5 KB。

数据说明

本数据集与可重复性包支持研究“基于多模态医学知识图谱的个性化肿瘤治疗推荐中的知识驱动神经符号推理（K-NeSyNet）”。它包含用于主要基准比较、消融分析、安全损失敏感性分析、超参数敏感性分析、癌症特异性模态分析、目标通道覆盖分析以及病例级评分分解的实验源数据。该包还提供队列构建摘要、知识图谱泄漏审计结果、临床文本过滤统计、治疗标签分布摘要、来源与配置记录，以及支持所报告评估方案的可重复性工具。最终分析队列包含来自10个癌症项目的4,781例TCGA病例，分为3,346例训练、717例验证和718例测试病例。原始TCGA/GDC源文件未在本存档中重新分发，仍可通过NCI Genomic Data Commons在相应的开放获取或受控获取要求下获取。第三方生物医学知识资源仍受其各自许可和再利用条件约束。

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。