重复经尿道膀胱肿瘤电切术病理作为高危非肌层浸润性膀胱癌预后危险因素
本研究探讨了重复经尿道膀胱肿瘤电切术（TURBT）对已确诊高危非肌层浸润性膀胱癌（NMIBC）患者的预后价值。我们回顾性审查了 2004 年 10 月至 2013 年 12 月在 Seoul National University 接受治疗、并在初次切除后 2–6 周内接受重复 TURBT 的患者的
基本信息
资源简介
重复经尿道膀胱肿瘤电切术病理作为高危非肌层浸润性膀胱癌预后危险因素
本研究探讨了重复经尿道膀胱肿瘤电切术（TURBT）对已确诊高危非肌层浸润性膀胱癌（NMIBC）患者的预后价值。我们回顾性审查了 2004 年 10 月至 2013 年 12 月在 Seoul National University 接受治疗、并在初次切除后 2–6 周内接受重复 TURBT 的患者的
Pathology in repeated transurethral resection of a bladder tumor as a risk factor for prognosis of high-risk non-muscle-invasive bladder cancer
【数据内容】
源站描述（机器翻译，仅供参考）：本研究探讨了重复经尿道膀胱肿瘤电切术（TURBT）对已确诊高危非肌层浸润性膀胱癌（NMIBC）患者的预后价值。我们回顾性审查了 2004 年 10 月至 2013 年 12 月在 Seoul National University 接受治疗、并在初次切除后 2–6 周内接受重复 TURBT 的患者的医疗记录。研究纳入在初次和重复 TURBT 时均被诊断为 NMIBC 的患者；重复 TURBT 时发现肌层浸润性肿瘤的患者被排除。我们使用按研究分层的逐步多因素 Cox 回归模型评估预测因素的独立效应，并从 Cox 模型估计风险比（HRs）。我们共研究了 198 例被诊断为高危 NMIBC 的患者。在 logistic 回归分析中，膀胱肿瘤数目（2–7：OR，2.319；
【主题与分类】
主题标签：膀胱癌、非肌层浸润性膀胱癌、重复TURBT、预后、肿瘤病理、Cox回归、高危NMIBC。本站分类：肿瘤。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ae1af540425c44841ff261dd46d23066f912b140a6785d8bbd656d7c4de5e0d6f
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
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
研究了重复经尿道膀胱肿瘤电切术（TURBT）对已诊断的高危非肌层浸润性膀胱癌（NMIBC）患者的预后价值。我们回顾性审查了2004年10月至2013年12月在首尔大学接受治疗的患者医疗记录，这些患者在初次切除后2至6周内进行了重复TURBT。研究纳入了在初次和重复TURBT时均被诊断为NMIBC的患者；重复TURBT时发现肌层浸润性肿瘤的患者被排除。我们使用按研究分层的逐步多变量Cox回归模型来评估预测因素的独立效应，并从Cox模型中估计风险比（HRs）。我们共调查了198名被诊断为高危NMIBC的患者。在逻辑回归分析中，膀胱肿瘤数量（2-7个：OR，2.319；8个及以上：OR，3.353；p<0.05）、初诊时高肿瘤分级（OR，2.435；p = 0.040）以及原位癌的存在…
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。
