1988-2018年保险队列中罕见皮肤恶性肿瘤患者的生存结局

包含四种罕见皮肤恶性肿瘤按种族分组的Kaplan-Meier生存曲线图,用于生存分析。

Mendeley Data
2024-03-27 更新
浏览 26
图像罕见皮肤恶性肿瘤生存曲线图
Survival Outcomes of Rare Cutaneous Malignancies within an Insured Cohort of Patients, 1988-2018

基本信息

模态
图像
大小
0.000242096 GB
创建/更新时间
2024-03-27
版本
v2

资源简介

1988-2018年保险队列中罕见皮肤恶性肿瘤患者的生存结局

【一句话概览】

本数据集是 Mendeley Data 公开的影像数据集,收录 1 个文件、合计 242.10 KB,可用于医学图像分割、检测与分类模型的训练与评测。

【数据集背景】

本数据集源站标题为《Survival Outcomes of Rare Cutaneous Malignancies within an Insured Cohort of Patients, 1988-2018》。源站首次发布:2023-10-07。

【数据内容】

源站原始描述:Mendeley Supplemental Figure 1: Kaplan Meier Overall Survival Curves by Race/Ethnicity for our Cohort of DFSP Diagnoses Mendeley Supplemental Figure 2: Kaplan Meier Disease-Specific Survival Curves by Race/Ethnicity for our Cohort of DFSP Diagnoses Mendeley Supplemental Figure 3: Kaplan Meier Overall Survival Curves by Race/Ethnicity for our Cohort of CAS Diagnoses Mendeley Supplemental Figure 4: Kaplan Meier Disease-Specific Survival Curves by Race/Ethnicity for our Cohort of CAS Diagnoses Mend…

【数据结构与技术规格】

文件数 1 个,合计 242.10 KB。数据集 DOI:10.17632/2sxt4775s6.2。

【适用方向】

影像类数据可用于医学图像分析模型(检测、分割、分类)的训练与评测,也可用于标注质量与成像参数相关性的研究。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/2sxt4775s6

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/2sxt4775s6

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。

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。