黑色素瘤免疫检查点阻断中外周CD8⁺中央记忆T细胞活化预测严重毒性与不良结局数据
该数据集来自search.dataone.org，包含支持黑色素瘤患者接受免疫检查点阻断研究的数据，分为用于图表生成的处理后源数据（SourceData）以及HCI队列的流式细胞术原始.fcs文件和瑞士队列的处理后.rda数据集（CytometryData）
基本信息
资源简介
黑色素瘤免疫检查点阻断中外周CD8⁺中央记忆T细胞活化预测严重毒性与不良结局数据
Data for: Pre-existing Peripheral CD8⁺ Central Memory T Cell Activation Predicts Severe Toxicity and Is Associated with Inferior Outcomes in Melanoma Patients Receiving Immune Checkpoint Blockade
该数据集来自search.dataone.org，包含支持黑色素瘤患者接受免疫检查点阻断研究的数据，分为用于图表生成的处理后源数据（SourceData）以及HCI队列的流式细胞术原始.fcs文件和瑞士队列的处理后.rda数据集（CytometryData）。数据覆盖外周CD8⁺中央记忆T细胞活化与严重毒性及不良结局的关联，可用于预测严重毒性、分析免疫细胞活化特征及结局关联研究（来源 DataONE，http://creativecommons.org/publicdomain/zero/1.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：该存储库包含支持研究“预先存在的外周CD8⁺中央记忆T细胞活化预测严重毒性，并与接受免疫检查点阻断的黑色素瘤患者的不良结局相关”的数据。内容包括：（1）用于图表生成的处理后源数据（SourceData）；（2）来自HCI队列的流式细胞术相关数据集（原始.fcs文件）和瑞士队列（处理后的.rda数据集）（CytometryData）。有关数据的问题，请联系：Tian-Gen Chang（tiangen.chang@sjtu.edu.cn）。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A7eabb54973cf7cdf03a80d4533fa966e2965063f89ce89afc15601d0ef163a89
使用许可：http://creativecommons.org/publicdomain/zero/1.0。
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
该存储库包含支持研究“治疗前外周CD8⁺中央记忆T细胞活化可预测接受免疫检查点阻断的黑色素瘤患者的严重毒性，并与较差预后相关”的数据。内容包括：（1）用于生成图表的处理后源数据（SourceData）；（2）来自HCI队列的细胞术相关数据集（原始.fcs文件）和瑞士队列的细胞术相关数据集（处理后的.rda数据集）（CytometryData）。如有关于数据的问题，请联系：Tian-Gen Chang（tiangen.chang@sjtu.edu.cn）。
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。
