接受与未接受 Gefitinib 治疗的 NSCLC 患者队列中间质性肺病相对风险及危险因素的巢式病例对照研究
本研究的目的为：- 估计接受 Gefitinib 治疗的晚期/复发 NSCLC 患者相较其他化疗治疗发生 ILD 的相对风险，并评估接受治疗的晚期/复发 NSCLC 患者中 ILD 的危险因素 - 提供一组接受治疗的晚期/复发 NSCLC 患者中 ILD 发生率的估计
基本信息
资源简介
接受与未接受 Gefitinib 治疗的 NSCLC 患者队列中间质性肺病相对风险及危险因素的巢式病例对照研究
本研究的目的为：- 估计接受 Gefitinib 治疗的晚期/复发 NSCLC 患者相较其他化疗治疗发生 ILD 的相对风险，并评估接受治疗的晚期/复发 NSCLC 患者中 ILD 的危险因素 - 提供一组接受治疗的晚期/复发 NSCLC 患者中 ILD 发生率的估计
A Nested Case-control Study to Determine the Relative Risk of and Risk Factors for Interstitial Lung Disease in a Cohort of NSCLC Patients Treated With and Without Gefitinib
【数据集背景】
源站首次发布：2020。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究的目的为：- 估计接受 Gefitinib 治疗的晚期/复发 NSCLC 患者相较其他化疗治疗发生 ILD 的相对风险，并评估接受治疗的晚期/复发 NSCLC 患者中 ILD 的危险因素 - 提供一组接受治疗的晚期/复发 NSCLC 患者中 ILD 发生率的估计
【主题与分类】
本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://search.vivli.org/doiLanding/studies/00006153/isLanding
使用许可：Study data may be accessed by completing a request form at https://vivli.org. It will then be reviewed according to the data contributor’s governance policy, see https://vivli.org/members/ourmembers/ for Vivli member’s review process. If approved, use of the data is governed by the data use agreemen。
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。
使用方式
数据集获取
源站：https://doi.org/10.25934/00006153
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
本研究的目的如下：- 评估在接受吉非替尼治疗的晚期/复发性NSCLC患者中，与接受其他化疗治疗相比，发生ILD的相对风险，并评估接受治疗的晚期/复发性NSCLC患者中ILD的风险因素 - 提供一组接受治疗的晚期/复发性NSCLC患者中ILD发病率的估计值
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。
