社区医疗环境中精准肿瘤学常见实体瘤生物标志物检测实践现状评估

数据集获取

源站：https://clinicaltrials.gov/study/NCT03804255

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

疾病：乳腺癌、结直肠癌、社区诊疗实践、肺癌、黑色素瘤、实体瘤。
主要目标：
I. 确定 National Cancer Institute (NCI) Community Oncology Research Program (NCORP) 组成部分/子组成部分内的病理执业机构对指南推荐的生物标志物进行检测的能力，包括是否检测这些生物标志物以及如何检测，即使用了哪些技术，以及已实施了哪些开单和检测流程/方案。
II. 确定检测新型生物标志物和进行肿瘤分子谱分析的能力，即是否检测这些生物标志物以及如何检测，即使用了哪些技术，已实施了哪些开单和检测流程/方案。
III. 针对目标1和2中的发现，确定影响生物标志物检测能力异质性的因素，尤其是那些可改变的因素（基于上述概念框架），如成本、复杂性、技术复杂性、缺乏熟悉度、医生和患者需求。
概要：参与者完成一份自填式网络生物标志物调查，并可能还完成一份结局验证调查。

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。