梅克尔细胞癌原位癌:预后与管理的系统综述

该数据集包含梅克尔细胞癌原位癌的系统综述补充材料,以文本和临床表格形式提供了患者特征、治疗及预后数据,主要用于支持皮肤癌领域中针对该罕见癌症亚型的预后研究和临床管理决策分析。

Mendeley Data
2024-03-27 更新
浏览 8
皮肤癌医学研究
Merkel Cell Carcinoma in Situ: A Systematic Review of Prognosis and Management

基本信息

大小
0.005043992 GB
创建/更新时间
2024-03-27
版本
v2

资源简介

梅克尔细胞癌原位癌:预后与管理的系统综述

【一句话概览】

该资料为《Merkel Cell Carcinoma in Situ: A Systematic Review of Prognosis and Management》的补充材料,围绕原位默克尔细胞癌的预后与管理进行系统性综述。补充材料共含10个文件,合计大小5 MB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Merkel Cell Carcinoma in Situ: A Systematic Review of Prognosis and Management》。源站首次发布:2021-08-23。

【数据内容】

源站原始描述:Supplemental Material for Merkel Cell Carcinoma in Situ: A Systematic Review of Prognosis and Management

中文译文(机器翻译,仅供快速理解,请以原文为准):默克尔细胞原位癌补充材料:预后与管理的系统性回顾

【数据结构与技术规格】

文件数 10 个,合计 5.04 MB。数据集 DOI:10.17632/s5nf62sxjf.2。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/s5nf62sxjf

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/s5nf62sxjf

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

该数据集是《Merkel Cell Carcinoma in Situ: A Systematic Review of Prognosis and Management》论文的补充材料,公开于Mendeley Data平台。数据集包含与梅克尔细胞癌(MCC)原位癌相关的系统综述数据,可能涉及患者临床特征、治疗方式、预后指标等结构化或文本信息。数据来源于已发表的医学文献的系统性收集与整理,主要应用于皮肤癌研究领域,支持对MCC原位癌的预后评估、临床管理策略分析以及相关医学证据的整合。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。