基于胶带圆盘回收microRNA的非黑色素瘤皮肤癌亚型无创诊断

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE286566

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

我们研究了一种胶带剥离方法是否可用于分析微小RNA（miR）表达，作为预测非黑色素瘤皮肤癌亚型的非侵入性方法。通过对活检前贴敷于皮肤病变的胶带圆片上回收的RNA进行直接miR测序，我们确定了用于预测浅表型或侵袭性基底细胞癌（BCC）或鳞状细胞癌（SCC）的miR排名列表。随后，我们在独立的BCC验证队列（n=24例浅表型，n=38例侵袭型）和SCC验证队列（n=45例原位SCC，n=14例侵袭型）中，通过数字PCR对圆片来源的miR评估了这些miR的表达。在区分浅表型与侵袭型BCC及SCC亚型方面，>2个miR的表达比值或乘积优于单个miR。此外，若干miR组合可将浅表型BCC和侵袭型SCC与一组临床上可能类似这些癌症的良性角化病区分开来。

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。