尿液标志物光谱学：肿瘤诊断辅助——应用于泌尿系统癌症

数据集获取

源站：https://clinicaltrials.gov/study/NCT06087016

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

条件：膀胱肿瘤。泌尿系统癌症影响男性和女性泌尿道及男性生殖系统的器官和结构。膀胱癌（BCa）是发病率仅次于前列腺癌的第二大泌尿系统癌症，也是全球第十大常见癌症。这种癌症具有高复发率和高进展率。膀胱镜检查和尿细胞学检查是目前膀胱癌的金标准检查方法。然而，前者具有侵入性，后者灵敏度较低，尤其是对低级别膀胱癌。因此，实施准确、非侵入性且灵敏的检查工具以在早期阶段诊断膀胱癌患者至关重要。一方面，尿液以非侵入性方式采集，被认为是来自膀胱的近端生物流体。另一方面，包括红外光谱和拉曼光谱在内的振动光谱广泛用于生物样本分析，能够在最少或无需样本制备的情况下提供样本的分子指纹。将该技术应用于尿液，可能为膀胱癌的诊断和监测提供有趣的替代方法。

因此，本研究项目旨在评估尿液振动光谱的分析能力，以开发针对尿路上皮膀胱癌的诊断测试。该研究计划为期36个月。同意参与研究的患者将填写一份问卷，以便我们获取临床信息。我们将从这些患者在兰斯大学医院泌尿科收集尿液样本。尿液样本将直接通过傅里叶变换红外光谱和/或表面增强拉曼光谱进行分析，随后储存在-80°C下以供进一步分析。

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。