补充方法：甲状腺乳头状癌患者转移淋巴结的乙醇消融——临床结果的预测因子
包含甲状腺乳头状癌转移淋巴结乙醇消融临床结果预测因子研究的方法描述（BRAF染色、病理评估、生化分析）。
基本信息
资源简介
补充方法：甲状腺乳头状癌患者转移淋巴结的乙醇消融——临床结果的预测因子
【一句话概览】
本数据集是 Dataverse 公开的文本数据集，收录 2 个文件、合计 196.54 KB，主题涵盖 Thyroid Cancer, Papillary、Neoplasm Recurrence, Local、Follow-Up Studies、Histocytological Preparation Techniques、Medicine, Health and Life Sciences，可用于医学自然语言处理（实体识别、信息抽取等）。
【数据集背景】
本数据集源站标题为《Supplementary Methods for: "Ethanol Ablation of Metastatic Lymph Nodes in Patients with Papillary Thyroid Carcinoma - Predictors of Clinical Outcome"》。源站首次发布：2025-05-05。
【数据内容】
源站原始描述：This file contains the method description for the BRAF-immunohistological staining (IHC) technique, the histopathological assessment procedures, and the biochemical analysis methods in the article “Ethanol Ablation of Metastatic Lymph Nodes in Patients with Papillary Thyroid Carcinoma - Predictors of Clinical Outcome”. The methods described were used to collect and analyze the data underlying the study. The file also includes relevant references to prior work supporting the chosen methodology
【数据结构与技术规格】
文件数 2 个，合计 196.54 KB。数据集 DOI：doi:10.18710/SFRKCK。
【主题与分类】
主题标签：Thyroid Cancer, Papillary、Neoplasm Recurrence, Local、Follow-Up Studies、Histocytological Preparation Techniques、Medicine, Health and Life Sciences。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://dataverse.no/dataset.xhtml?persistentId=doi:10.18710/SFRKCK
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。
暂未开放有偿下载
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
源站：https://dataverse.no/citation?persistentId=doi:10.18710/SFRKCK
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))
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。
