早期结直肠病变液体活检数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07319104

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

疾病：结直肠肿瘤、癌前病变、结肠腺癌。引言：早期结直肠癌筛查越来越多地发现浅表性结肠病变，但目前的诊断工具往往无法准确区分良恶性病变或预测淋巴结受累情况。由于组织学标准的预测价值有限，许多T1期肿瘤患者接受了不必要的手术。基于循环血液生物标志物的液体活检提供了一种有前景的非侵入性替代方法，可能提高诊断精度。目的：本研究旨在建立一个包含1，000例浅表性结肠肿瘤患者的生物样本库，以识别和验证能够预测肿瘤恶性程度和淋巴结状态的循环生物标志物特征。假设是液体活检标志物能够可靠地区分良恶性病变，并识别有淋巴结转移风险的患者。方法：这是一项嵌入FECCo队列的多中心前瞻性队列研究。将在内镜下切除时采集血样，对于pT1病变，将在2-6周后再次采集。

临床数据将每年从FECCo数据库中检索。循环生物标志物的诊断性能将通过ROC曲线、逻辑回归（Lasso）及自助法验证进行评估，以识别与恶性肿瘤及淋巴结受累相关的特征。

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。