数据集获取

源站：https://synapse.org/Synapse:syn75209656

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

基于类器官模型的临床前研究资源

概述

本项目提供与基于类器官的临床前癌症研究相关的代表性数据集、成像资源和工作流程文档。上传的资源支持肿瘤药物评估、治疗反应研究、肿瘤微环境分析，以及使用生理相关3D类器官系统开展的转化癌症研究。该项目与基于类器官模型的临床前研究服务相关，这些服务旨在促进临床前治疗评估和抗癌药物开发研究。

资源内容

本项目可能包括：

• 代表性类器官显微镜图像
• 示例性临床前药物反应数据集
• 工作流程和实验方案文档
• 肿瘤类器官表征资源
• 共培养模型开发示例
• 表型和活力检测数据集

实验平台

上传的资源与多个实验性类器官平台相关，包括：

• 患者来源类器官模型
• 肿瘤类器官共培养系统
• 类器官药物筛选平台
• 肿瘤微环境建模系统
• 基于3D类器官的治疗评估工作流程

应用

代表性应用包括临床前药物筛选、治疗反应评估、转化肿瘤学研究、生物标志物研究、肿瘤生物学分析以及癌症治疗评估。

平台信息

本项目包含的资源和工作流程是使用 Alfa Cytology 开发的实验肿瘤学和类器官平台生成的。

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。