该数据集旨在允许测试不同的方法，以检查与使用对比度和患者年龄相关的CT图像数据的趋势。基本思想是识别与这些特征密切相关的图像纹理，统计图案和特征，并可能构建简单的工具，以便在对这些图像进行错误分类时自动对这些图像进行分类（或查找可能是可疑情况，测量错误或机器校准不良的异常值） ） overview.csv CT Medical Images_datasets.txt CT Medical Images_datasets.zip

The AJCC Cancer Staging Manual, Eighth Edition Staging Form Supplement includes 104 printable staging forms for each distinct staging system published by the American College of Surgeons (ACS). These printable forms may be used by physicians to record data on T, N, and M categories; prognostic stage groups; additional prognostic factors; histologic grade; and other important information. These forms may be useful for recording information in the medical record and for communicating information from physicians to the cancer registrar. The staging forms may be used to document cancer stage at different points in the patient’s care and during the course of therapy, including the time before therapy begins, after surgery and completion of all staging evaluations, or at the time of recurrence. It is best to use a separate form for each time point staged along the continuum for an individual cancer patient. However, if all time points are recorded on a single form, the staging basis for each element should be identified clearly. See Principles of Cancer Staging1 (Chapter 1) of the AJCC Cancer Staging Manual, Eighth Edition2 for complete staging rules. Always refer to the respective chapter in the Manual for disease-specific rules for classification, as this form is not representative of all rules, exceptions and instructions for this disease.

这个文档主要是为了我的博文一个案例准备的数据，由于不好编辑，所以上传，供各位学习

Treeomics：重建人类癌症的转移性播种模式 开发者：JG Reiter，AP Makohon-Moore，JM Gerold，I Bozic，K Chatterjee，C Iacobuzio-Donahue，B Vogelstein，MA Nowak。 ======== 什么是Treeomics？ Treeomics是使用常用测序技术重建转移系统发育的计算工具。 该工具在嘈杂的测序数据中检测推定的伪像，并在各种评估场景中推断出健壮的进化树。 有关更多详细信息，请参见我们的出版物《重建人类癌症的转移接种模式》 （Nature Communications，8，14114， //dx.doi.org/10.1038/ncomms14114）。 Treeomics 1.5.2 2016-10-18：初稿已接受手稿。 Treeomics 1.6.0 2016-12-09：通过集成ET

组织病理学检测 创建了一种算法，以识别从较大的数字病理扫描中获取的小图像斑块中的转移癌。 该比赛的数据是对PatchCamelyon（PCam）基准数据集的略微修改版本 动机 乳腺癌的临床诊断最好通过活检来实现。 病理学家通过在显微镜下手动检查组织切片来进行诊断。 但是，传统的诊断系统需要专业知识，只有经验丰富的病理学家才能准确地确定肿瘤组织。 当前，在印度的各个农村地区，人们无法获得良好的医疗保健设施。 另外，农村地区没有新的先进设备，因此甚至有可能无法正确诊断患者。 农村地区医疗状况不佳的主要原因之一是缺乏经验丰富的医生。 数据集 该研究使用的数据集是PatchCamelyon（PCam）[21]，[22]的略微修改版本。由于其概率抽样，原始PCam数据集包含重复图像，但是此版本不包含重复图像。 该数据集是开源的，可以从（ ）下载。 数据集包含超过220K张RGB图像，尺寸为96x

KNN使用sklearn库实现癌症预测,csv文档，总共包含100条数据，可做KNN练习使用，配合我博客文章的代码使用，希望对你有帮助

太赫兹在癌症诊断和治疗中的应用，王梦溪，杨国辉，本文从太赫兹波特性出发，阐述了太赫兹波用于癌症诊断方面相关技术的发展和安全性问题, 从生物效应角度揭示太赫兹波在癌症诊断与�

analysys_meat_consumption_lung_cancer_deaths_罗马尼亚 该实验试图确定罗马尼亚在过去28年中的人均肉食消耗量与肺癌死亡人数之间是否可以建立相关性。 输入包括两个数据集，一个数据集涉及癌症死亡的类型，一个数据集涉及人均每种类别的肉类消费量（家禽，猪肉等）。 输出包括一个新创建的数据集，该数据集基于输入数据中的已处理数据，并具有两个可视化视图，可以帮助我们检查相关性是否存在，并进行解释。

Monaco与Pinnacle治疗计划系统在食管癌放疗剂量验证上的比较.pdf TomoDirect技术在鼻咽癌放疗中的剂量学研究.pdf _Auto-planning在脑胶质瘤非共面容积调强放疗计划中的应用.pdf _Model Analytics辅助的智能放疗计划建模.pdf _Monaco治疗计划系统的剂量学性能测试验证.pdf _Varian RapidARC直线加速器6 MeV-X线虚拟源模型的建立.pdf _不同计划系统胸部肿瘤物理剂量参数比较与分析.pdf _利用深度反卷积神经网络自动勾画放疗危及器官.pdf _剂量学参数计算方法对治疗计划评估结果的影响分析.pdf _医学成像质控标准器的自主化——“数字诊疗装备研发”重点专项“医学成像与放射治疗中的质量控制体模研发”.pdf _图像引导精准定位跟踪系统KylinRay-IGRT.pdf _基于CT图像引导鼻咽癌自适应放疗研究进展.pdf _基于GPU的蒙特卡洛模拟在辐射剂量计算中的研究进展及应用.pdf _基于RTOG 1005早期乳腺癌调强多目标优化计划和单目标优化计划比较.pdf _基于SURF和改进的RANSAC算法的医学图像配准.pdf _基于三维生物学有效剂量的肺纤维化分层与预测模型.pdf _基于专家库的γ射线立体定向放疗计划优化方法.pdf _基于先验知识的放疗计划自动优化技术的研究与临床应用.caj _基于图像变形配准的肺癌自适应放疗剂量学研究.pdf _基于多通路CNN的多模态MRI神经胶质瘤分割.pdf _基于局部互信息和自动更新的医学图像形变不均匀配准.pdf _基于形变配准剂量累加法的自适应放疗剂量学研究.pdf _基于水平集稳健特征统计算法的脑肿瘤自动分割研究.pdf _多模态图像融合算法综述.pdf _多模态肿瘤图像联合分割方法研究.caj _算法差异在Compass调强计划验证中的作用.pdf _结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割.pdf _自动IMRT计划在宫颈癌术后放疗中的可行性.pdf _自动计划RapidPlan优化模块在鼻咽癌调强计划中的可行性应用.pdf _自适应图像全变差约束的有限角度CT重建算法.pdf _自适应放疗中变形图像配准算法相关关键技术的研究.caj _评估靶区与危及器官重叠体积对宫颈癌经验引导调强计划自动优化的影响.pdf _调强放射治疗计划的自动质量控制方法研究.caj _集成自适应回归核的肿瘤生物靶区随机游走勾画方法.pdf _非小细胞肺癌自适应放疗肿瘤和肺体积比值变化对肺受照剂量的影响.pdf _鼻咽癌容积调强剂量验证与计划复杂性的相关性.pdf 一种符合医学数字影像与通讯标准的医学影像管理系统的设计.pdf 利用Delta4对放疗计划进行剂量体积直方图评价的可行性研究.pdf 医科达加速器的剂量监测与控制系统.pdf 基于EDose软件电子射野影像系统的调强剂量验证.pdf 基于Python脚本的RayStation治疗计划系统逆向调强放疗计划半自动设计.pdf 联影直线加速器新型全碳素纤维治疗床对放疗剂量的影响.pdf 评估靶区与危及器官重叠体积对宫颈癌经验引导调强计划自动优化的影响.pdf

本数据集是一个癌症CT图像数据，包括69位不同的患者的475个病例的中等规模的CT影像和患者年龄。该数据是 TCGA-LUAD 肺癌CT影像数据库的一部分。