Decipher基因组学智能发现资源
该数据集来自clinicaltrials.gov，为一项观察性研究，涉及Decipher检测产生的肿瘤全基因组表达数据和全切片图像数据的发布，并与接受Decipher临床检测患者的临床治疗及结局数据相关联
基本信息
资源简介
Decipher基因组学智能发现资源
Decipher Genomics Resource for Intelligent Discovery（GRID）是一个聚焦肿瘤学领域的公开数据资源，本站将其归类于肿瘤 / 前列腺癌方向。该数据集来源于clinicaltrials.gov，对应一项观察性研究，核心内容是发布由Decipher检测产生的肿瘤全基因组表达数据与全切片图像数据，并将这些数据与接受Decipher临床检测患者的临床治疗及结局信息相关联。其登记涉及的条件包括前列腺癌、膀胱癌和肾癌。该资源库的人群数据旨在用于刻画癌症的基因组学与组织病理学特征，并发现或验证可能有助于理解疾病生物学、推动癌症患者精准医学实践的基因表达特征以及数字病理模型。
【数据集背景】
该数据集对应一项观察性研究，登记于clinicaltrials.gov。研究涉及的条件为前列腺癌、膀胱癌和肾癌。研究背景围绕Decipher检测展开：该检测在临床中用于患者，而本项观察性研究则致力于将检测所产生的肿瘤基因组与影像数据同患者的临床治疗和结局数据建立关联，从而形成可供研究使用的数据库人群。这一资源被命名为Decipher Genomics Resource for Intelligent Discovery，简称GRID。
【数据内容】
数据集包含由Decipher检测产生的肿瘤全基因组表达数据和全切片图像数据。这些数据将与接受Decipher临床检测患者的临床治疗及结局数据相链接。换言之，数据内容覆盖基因组层面的表达信息、病理层面的全切片图像信息，以及临床治疗与结局信息三大类，并强调它们之间的关联关系。数据集涉及的主题标签为前列腺癌、膀胱癌和肾癌。
【采集与来源】
数据来源站为clinicaltrials.gov。采集方式为观察性研究，即不干预患者常规诊疗，而是围绕已接受Decipher临床检测的患者，收集并发布其肿瘤全基因组表达数据、全切片图像数据，并链接其临床治疗与结局数据。源站描述未提供更具体的采集时间、采集机构、样本量或随访安排等信息。
【适用场景】
该数据库人群可用于刻画癌症的基因组学与组织病理学特征。具体而言，可用于发现或验证基因表达特征，以及发现或验证数字病理模型。这些用途被认为可能有助于理解疾病的生物学，并有助于为癌症患者实施精准医学方法。适用场景覆盖前列腺癌、膀胱癌和肾癌相关研究。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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://clinicaltrials.gov/study/NCT02609269
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
条件：前列腺癌、膀胱癌、肾癌。一项观察性研究，涉及释放由Decipher检测产生的肿瘤全基因组表达和全切片成像数据，这些数据将与接受Decipher临床检测的患者的临床治疗和结果数据相关联。GRID数据库人群将用于表征癌症的基因组学和组织病理学特征，并发现或验证可能有助于理解疾病生物学及实施癌症患者精准医学方法的基因表达特征以及数字病理学模型。
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。
