Genetic signature 黑色素瘤预后风险数据集

该数据集来自 search.dataone.org,属于肿瘤与皮肤癌分类,主题为医学与健康生命科学。数据覆盖 51 名黑色素瘤患者,包含基于 122-gene panel 定义的高、低预后风险组,以及人口学特征和肿瘤特征;同时记录自诊断起的随访时间(月),并提供死亡状态与远处转移状态

dataone
浏览 3
其他预测Medicine, Health and Life Sciences
Genetic signature

基本信息

模态
其他
任务类型
预测
许可
http://creativecommons.org/publicdomain/zero/1.0
创建/更新时间
2026-10-21

资源简介

Genetic signature 黑色素瘤预后风险数据集

Genetic signature

该数据集来自 search.dataone.org,属于肿瘤与皮肤癌分类,主题为医学与健康生命科学。数据覆盖 51 名黑色素瘤患者,包含基于 122-gene panel 定义的高、低预后风险组,以及人口学特征和肿瘤特征;同时记录自诊断起的随访时间(月),并提供死亡状态与远处转移状态。可用于黑色素瘤预后风险相关研究,支持对生存结局或远处转移等临床结局进行分析与预测建模(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):该数据集包含使用 122-gene panel 定义的高、低预后风险组,51 名黑色素瘤患者的人口学特征和肿瘤特征。自诊断起的随访时间以月记录,并提供死亡状态和远处转移状态。

【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%3A48892f9f1612ea6322537b32d55cacbd0d52730deef676c7c157298d4830f22f

使用许可:http://creativecommons.org/publicdomain/zero/1.0。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://search.dataone.org/view/sha256%3A48892f9f1612ea6322537b32d55cacbd0d52730deef676c7c157298d4830f22f

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

该数据集包含51名黑色素瘤患者的预后风险分组(高风险和低风险,基于122基因面板定义)、人口学特征和肿瘤特征。自诊断以来的随访时间以月为单位记录,并提供死亡状态和远处转移状态。

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。

获取专属数据定制方案