质谱成像皮肤肿瘤生物标志物数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT06227416

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：皮肤癌、鳞状细胞癌、基底细胞癌、非黑色素瘤皮肤癌。1. 标题 通过质谱成像技术研究皮肤肿瘤生物标志物 2. 目的 2.1 问题定义 2018年，全球有超过100万患者被诊断为非黑色素瘤皮肤癌（NMSC），由于缺乏登记或此类癌症登记不完整，这一数字可能被低估[1]。在癌症诊断中，及时发现微小肿瘤至关重要。我们相信，质谱成像（MSI）能够成功定位常见皮肤癌——基底细胞癌（BCC）和鳞状细胞癌（SCC）的微小聚集，并在离体条件下将其与邻近正常皮肤区分开来。MSI揭示了BCC和SCC区域化学特征（脂质模式）的改变，并且不依赖于组织病理学特征的视觉识别。2.2 假设 我们假设，在皮肤活检切片中，NMSC细胞表现出与健康皮肤组织不同的特异性内源性生物标志物（脂质模式）。

如果该假设正确，未来将有可能利用质谱引导手术实现对非黑色素瘤皮肤癌（NMSC）的实时组织诊断与治疗。2.3 结局指标 * 在莫氏手术切除的基底细胞癌（BCC）和鳞状细胞癌（SCC）组织切片中，鉴定所选脂质生物标志物的质量与分布。 * 在光化性角化病（癌前病变）活检切片中，鉴定所选脂质生物标志物的质量与分布。2.4 背景 根据世界癌症研究基金会2019年发布的《皮肤癌报告》，2018年非黑色素瘤皮肤癌（NMSC）的发病率为每百万人中100万例，被列为全球最常见的癌症[1]。NMSC主要包括基底细胞癌（BCC）和鳞状细胞癌（SCC）。在丹麦和其他西方国家，这些肿瘤的发生率也很高[2]，且丹麦的发病率持续上升，每年达到15,000例。NMSC的主要风险因素是暴露于紫外线辐射（UVR）。浅肤色

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。