脑转移后颅内失败的竞争风险与不完整监测:分析代码、规范输出与图表源数据

该数据集来自单中心连续161例脑转移患者的队列研究,提供分析代码、规范结果、数据字典、汇总级表格、图表源数据及图表溯源信息,主题为脑转移后颅内失败中的竞争风险与不完整监测

ZenodoZenodo
datacite
浏览 11
表格预测Brain Neoplasms
Competing risks and incomplete surveillance in intracranial failure after brain metastases: analysis code, canonical outputs and figure source data

基本信息

模态
表格
大小
0.000078445 GB
任务类型
预测
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-11-04
版本
v7.4

资源简介

脑转移后颅内失败的竞争风险与不完整监测:分析代码、规范输出与图表源数据

Competing risks and incomplete surveillance in intracranial failure after brain metastases: analysis code, canonical outputs and figure source data

该数据集来自单中心连续161例脑转移患者的队列研究,提供分析代码、规范结果、数据字典、汇总级表格、图表源数据及图表溯源信息,主题为脑转移后颅内失败中的竞争风险与不完整监测。因隐私原因未包含患者个体分析数据集,去标识化的患者级数据需在机构数据使用协议及伦理委员会批准下获取,详见README.md。可用于复现竞争风险分析、验证统计流程及生成图表(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):针对连续单中心161例脑转移患者队列的分析代码、规范结果、数据字典、汇总级表格、图表源数据及图表溯源。出于隐私原因,未包含患者级分析数据集;去标识化的患者级数据可在机构数据使用协议及伦理委员会批准下获取。详见README.md。

【主题与分类】

主题标签:Brain Neoplasms。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.22028691

使用许可:Creative Commons Attribution 4.0 International。

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://doi.org/10.5281/zenodo.22028691

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。

数据集大小约 78.4 KB。

数据说明

分析代码、规范结果、数据字典、汇总级表格、图源数据及图来源,针对161例脑转移患者的连续单中心队列。出于隐私原因,未包含患者层面的分析数据集;去标识化的患者层面数据可在获得伦理委员会批准的机构数据使用协议下获取。详见README.md。

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。