甲状腺癌复发分类数据集
该数据集是一个专注于甲状腺癌复发预测的临床数据集，包含甲状腺癌患者的结构化临床特征信息，如患者基本信息、病理指标和治疗记录等多模态医疗数据，主要用于构建机器学习分类模型，以评估患者术后复发风险，辅助临床医生进行预后判断和治疗方案制定，推动人工智能在肿瘤精准医疗领域的应用研究。
基本信息
资源简介
甲状腺癌复发分类数据集
【数据集背景】
本数据集源站标题为《Thyroid Cancer Recurrence||Classification🔔🔔🔔》。源站首次发布：2024-09-04。
【数据内容】
源站原始描述：## Dataset Description - **Title**: Recurrence Prediction of Well Differentiated Thyroid Cancer - **Duration**: Data collected over 15 years - **Follow-up**: Each patient was followed for at least 10 years ### Dataset Characteristics - **Format**: Tabular - **Subject Area**: Health and Medicine - **Associated Tasks**: Classification - **Feature Types**: Real, Categorical, Integer - **Number of Instances**: 383 - **Number of Features**: 16
【数据结构与技术规格】
文件数 1 个。
【主题与分类】
主题标签：cancer、tabular、healthcare、binary classification。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/adilashrafi/thyroid-cancer-recurrenceclassification
使用许可：Apache 2.0。
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。
需登录公开下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("adilashrafi/thyroid-cancer-recurrenceclassification")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d adilashrafi/thyroid-cancer-recurrenceclassification
unzip thyroid-cancer-recurrenceclassification.zip -d thyroid-cancer-recurrenceclassification/
数据说明
该数据集是人工智能与医学交叉研究领域的公开数据集，专注于甲状腺癌的复发预测问题。数据集包含甲状腺癌患者的临床特征数据，可能涉及患者基本信息、病理特征、治疗方案、随访记录等结构化医疗数据。数据来源于Kaggle平台，通过临床数据收集整理构建而成，主要用于开发机器学习分类模型，以预测甲状腺癌患者术后复发风险，辅助临床决策和个性化治疗规划。
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。
