OncoArray：口腔与咽癌

数据集获取

源站：https://omicsdi.org/dataset/dbgap/phs001202

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

遗传因素在头颈癌易感性中起着重要作用，也可能解释治疗反应和预后的差异。本项目旨在通过开展针对这些疾病的最大规模GWAS，利用OncoArray Network专门为癌症研究设计的新型基因分型工具，研究口腔癌和口咽癌易感性相关的遗传变异。该项目涵盖来自12项流行病学研究（大多为病例对照设计）的约6000例口腔癌和咽癌病例及4000例对照的数据。基因分型集中在美国遗传病研究中心（CIDR）完成，流行病学数据的协调与分析在国际癌症研究机构（IARC）完成。本研究由国家牙科和颅面研究所（NIDCR）资助，直接向CIDR提供经费。

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。