BRAF与TERT、PIK3CA或TP53多基因共突变作为甲状腺乳头状癌中央区淋巴结转移的强预测因子数据集
该数据集包含521例甲状腺乳头状癌患者的临床与基因组数据，涵盖患者人口统计学、肿瘤特征、淋巴结转移状态以及BRAF、TERT、PIK3CA、TP53等关键基因的突变信息，数据模态包括临床表格和基因测序结果，主要用于研究多基因共突变与中央区淋巴结转移的关联，支持构建术前预测模型以提升甲状腺癌精准诊疗水平。
基本信息
资源简介
BRAF与TERT、PIK3CA或TP53多基因共突变作为甲状腺乳头状癌中央区淋巴结转移的强预测因子数据集
【数据集背景】
本数据集源站标题为《Multi-gene co-mutations of BRAF with TERT , PIK3CA , or TP53 are powerful predictors of central lymph node metastasis in papillary thyroid carcinoma》。
【数据内容】
源站原始描述：This dataset contains complete clinical and genomic data of 521 papillary thyroid carcinoma (PTC) patients, aiming to investigate the association between multi-gene co-mutations (BRAF with TERT, PIK3CA, or TP53) and central lymph node metastasis (CLNM). It includes patient demographics, tumor characteristics, lymph node metastasis status, and mutations in key genes. Background: The accurate preoperative prediction of lymph node metastasis (LNM) in papillary thyroid carcinoma (PTC) poses a signif…
【主题与分类】
主题标签：NGS、Next-generation sequencing、Papillary thyroid carcinoma、lymph node metastasis。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:fe053edaa66b30a876b6c414303282defbfc05bc3bfec043fad1ebf429940f8e
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
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
该数据集包含521例甲状腺乳头状癌（PTC）患者的完整临床与基因组数据，旨在研究多基因共突变（BRAF与TERT、PIK3CA或TP53）与中央区淋巴结转移（CLNM）之间的关联。数据涵盖患者人口统计学特征、肿瘤特征、淋巴结转移状态以及关键基因突变信息。数据来源于德阳市人民医院，通过回顾性分析收集，并利用二代测序（NGS）技术进行基因突变检测。该数据集主要用于构建和验证结合基因组学与临床病理特征的整合风险模型，以支持甲状腺癌术前淋巴结转移的预测研究，为精准医疗和个体化治疗策略提供数据支持。
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。
