补充图1：炎症标志物预测乳腺外佩吉特病患者总生存期ROC曲线
包含预测乳腺外佩吉特病患者总生存期的四种炎症标志物ROC曲线图，标注AUC等指标。
基本信息
资源简介
补充图1：炎症标志物预测乳腺外佩吉特病患者总生存期ROC曲线
【一句话概览】
补充图1展示85例乳房外Paget病患者中，炎症标志物预测总生存（OS）的受试者工作特征（ROC）曲线，包括中性粒细胞与淋巴细胞比值（NLR）、血小板与淋巴细胞比值（PLR）、淋巴细胞与单核细胞比值（LMR）和血小板与中性粒细胞比值（PNR）。图内显示曲线下面积（AUC）、最佳截断值、敏感性和特异性等关键指标。该数据集含1个文件，合计大小1.1 MB（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《Supplementary fig 1. Receiver operating characteristic (ROC) curves for inflammatory markers in predicting overall survival (OS) of 85 patients with Extramammary Paget''s disease》。源站首次发布：2025-04-02。
【数据内容】
源站原始描述：Supplementary Fig 1. Receiver operating characteristic (ROC) curves for inflammatory markers in predicting overall survival (OS): (1A) neutrophil-to-lymphocyte ratio (NLR); (1B) platelet-to-lymphocyte ratio (PLR); (1C) lymphocyte-to-monocyte ratio (LMR); (1D) platelet-to-neutrophil ratio (PNR). Key metrics, including area under the curve (AUC), best cutoffs, sensitivity, and specificity, are shown within the plots
中文译文（机器翻译，仅供快速理解，请以原文为准）：补充图1. 炎症标志物预测总生存期（OS）的受试者工作特征（ROC）曲线：（1A）中性粒细胞与淋巴细胞比值（NLR）；（1B）血小板与淋巴细胞比值（PLR）；（1C）淋巴细胞与单核细胞比值（LMR）；（1D）血小板与中性粒细胞比值（PNR）。图中显示了关键指标，包括曲线下面积（AUC）、最佳截断值、灵敏度和特异度。
【数据结构与技术规格】
文件数 1 个，合计 1.08 MB。数据集 DOI：10.17632/4zhdfxrdkc.1。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/4zhdfxrdkc
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
源站：https://data.mendeley.com/datasets/4zhdfxrdkc/1
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。
