信息速览
INFOBOX — CMB-GEC 一屏速览
维度 内容 本质 NCI 癌症登月生物样本库（Cancer Moonshot Biobank）九大癌种影像子集之一，胃食管癌队列 主办 美国国家癌症研究所（NCI），多 NCORP 站点采集 托管 TCIA（The Cancer Imaging Archive）；基因组/临床另托管 dbGaP / CTDC 数据 27 患者（去重）、36.37 GB、胃食管癌、定位器官食管 模态 CT、MR、PT（PET）+ Histopathology + Whole Slide Image 影像 Radiology 12 例 / 42 检查 / 251 序列 / 38,709 图像（22.13 GB，CC BY 4.0） 病理 Histopathology 26 例 / 32 切片 / 12 GB（JSON + SVS，NIH 受控） 版本 Version 9，更新 2026-07-02，状态 Ongoing（持续更新） 许可 放射影像 CC BY 4.0｜全切片病理 NIH Controlled Data Access 获取 TCIA Data Retriever / IBM Aspera｜受控数据走 dbGaP 申请 家族 CMB 共 9 子集（AML/BRCA/CRC/GEC/LCA/MEL/MML/OV/PCA）；GEC 规模最小 库内互链 TCIA(547)、uk-biobank(96)、biobank-japan(195)、nct-crc-he-100k(148)、gastrovision(203)
CMB-GEC 是"国家级生物样本库的影像分支"这一类数据集的干净样本：它不是一个为算法竞赛而生的 GT 交付包，而是一家国家癌症研究机构为研究"耐药与敏感性"而建立的纵向生物样本库，把从中采集的放射影像与病理切片去标识化后倒在公共影像档案 TCIA 上。它自身只有 27 名胃食管癌患者、36.37 GB，在动辄上百 GB 的数据集里毫不起眼——但它的价值不在体量，而在于三点：纵向时间对齐（每张影像都带"距入组天数"戳）、影像+病理+临床三模态可关联（基因组/临床在 dbGaP 与 CTDC）、以及开放的放射影像 + 受控的病理切片这一双轨许可结构，使它成为研究"生物样本库数据如何被 AI 消化"的教科书案例。
导语读法三则：
- 只想下数据：直奔 §6 获取与许可——放射影像 CC BY 4.0 可直接下，全切片病理要先走受控申请，别搞反。
- 关心数字口径：直奔 §2 与 §4——"27 / 12 / 26"三个患者数并存并非矛盾，是去重口径，误加会重复计数（坑 1）。
- 做多癌种/多模态研究：直奔 §7 与 §8——CMB 九子集共享统一采集协议，GEC 是可作"小样本癌种"的横向对照点。
§0 导读：这个数据集解决什么问题
药物为什么对一部分患者有效、对另一部分无效？这是肿瘤学最顽固的问题之一，也是美国"癌症登月计划"（Cancer Moonshot）的核心命题。要回答它，研究者需要的不只是治好那一瞬间的快照，而是沿着治疗时间轴连续采集的标本、影像与临床事件——因为耐药往往是在治疗过程中逐步出现的。Cancer Moonshot Biobank（CMB）正是为此设立的 NCI 计划：纵向采集至少 1000 名、至少 10 种癌症患者的血液与组织标本，并配以基因组、表型与临床数据。
CMB-GEC 是这个计划里胃食管癌（Gastroesophageal Cancer）支线的影像落地。它包含去标识化的放射影像（CT/MR/PET）与全切片病理图像（WSI），全部来自 CMB-GEC 队列的受试者。它的设计哲学与"挑战赛数据集"截然相反：不提供标注 ground truth、不设排行榜，而是提供原始的多模态、纵向、可关联临床事件的真实世界数据，让研究者自己去构造研究问题。
三条本条目要抓住的主线：
- 纵向对齐是它的灵魂。TCIA 版本里的每张影像，DICOM 头 (0012,0053) 标签都嵌着"距入组天数"（days from enrollment），把影像和 Biobank Catalog 里的临床事件挂在同一条时间轴上（§3）。这是"快照数据集"完全没有的能力。
- 双轨许可是它的门槛。放射影像走 CC BY 4.0 完全开放，全切片病理走 NIH Controlled Data Access Policy 受控——想同时用影像和病理，你得同时走两条获取通道（§6）。
- 小体量 + 持续更新是它的性格。27 患者、36.37 GB，且状态是 Ongoing、版本已到 V9，数字随时会变（§9 存照）。引用它必须标版本与抓取时点。
§0 读法三则：
- 这个条目是"国家级生物样本库的影像子集"标本：本体不是一个完整数据集，而是 CMB 九癌种之一，理解它必须先理解 CMB 计划（§3）。
- 全文数字均出自 TCIA 集合页 Version 9（2026-07-02）与程序页；三处患者数口径冲突已在坑 1 与 §9 存照。
- 检索时若把本条目与我们库内的
cmb-cmexam（rid 180）混为一谈会彻底跑偏——那是"Chinese Medical Benchmark（中文医学考试基准）"，与本条目只是缩写撞车（坑 2）。
§1 数据集速览：十问十答
Q1：CMB-GEC 是什么？
Cancer Moonshot Biobank – Gastroesophageal Cancer Collection，NCI 癌症登月生物样本库的胃食管癌影像子集，托管在 TCIA 影像档案上。它包含 27 名患者的纵向放射影像与全切片病理。
Q2：CMB 是什么？和 GEC 什么关系？
CMB = Cancer Moonshot Biobank，NCI 的一个计划，纵向采集至少 1000 名、至少 10 种癌症患者的生物标本与数据。它按癌种拆成 9 个影像子集托管 TCIA，GEC（胃食管癌）是其中之一，也是规模最小的一个。
Q3：多少患者、多大？
集合页 Summary 口径：27 名患者（去重）、36.37 GB。拆开看：放射影像 12 例、全切片病理 26 例（同一患者可能同时贡献两者，所以不是 12+26=38，而是去重后 27）。
Q4：有哪些模态？
CT、MR、PT（PET）三种放射影像 + Histopathology 与 Whole Slide Image（全切片病理）。放射影像是 DICOM，病理是 SVS + JSON 元数据。
Q5：放疗影像和病理分别多少？
放射影像（V9）：12 例 / 42 检查 / 251 序列 / 38,709 张图像 / 22.13 GB（CC BY 4.0），另有 5 例受控放射影像（5,733 张 / 2.24 GB）。全切片病理：26 例 / 32 张切片 / 12 GB（NIH 受控）。
Q6：许可怎么分？
放射影像 CC BY 4.0（可自由使用，需署名）——全切片病理是 NIH Controlled Data Access Policy（受控，需申请）。基因组/表型/完整临床在 dbGaP 受控，临床子集在 CTDC 开放。
Q7："纵向"体现在哪？
每张影像的 DICOM 头里嵌了"距入组天数"（tag 0012,0053），把影像与 Biobank Catalog 的临床事件放在同一条时间轴上。患者入组后的多次随访影像因此可以按时间排序。
Q8：它是挑战赛数据集吗？
不是。没有比赛、没有排行榜、没有官方分割标注。它是"原始影像 + 病理 + 关联临床"型的真实世界数据，研究问题由使用者自定。
Q9：现在是什么版本？
Version 9，更新于 2026-07-02，状态 Ongoing。V9 做了两件事：新增 6 名放疗患者；把误分类的病理患者 MSB-06071 移出到 CMB-OV。首版是 2022-08-12。
Q10：为什么它对 AI-Ready 重要？
它是"生物样本库→公共影像档案"这一类数据流的标本：展示了大体量国家级队列如何拆成可管理子集、如何用双轨许可平衡开放与隐私、以及纵向真实世界数据对 AI 研究的独特价值（与挑战赛数据集互补）。
§2 数据构成与规格
2.1 规模、来源与癌种构成
CMB-GEC 的核心规模数字（集合页 Version 9 / 2026-07-02 口径）：
| 维度 | 值 |
|---|---|
| 患者数（去重） | 27 |
| 总大小 | 36.37 GB |
| 癌种 | Gastroesophageal Cancer（胃食管癌） |
| 定位器官（Location） | Esophagus（食管） |
| 物种 | Human（人类） |
| 数据模态 | CT、MR、PT（PET）、Histopathology、Whole Slide Image |
| 状态 | Ongoing（持续更新） |
| 最新版本 | Version 9（2026/07/02） |
| 浏览量 / 引用 | 5.1k Views / 2 Citations（抓取时点） |
数据来源是 NCI Cancer Moonshot Biobank 的 CMB-GEC 队列，采集场景覆盖多个 NCI Community Oncology Research Program（NCORP）站点，患者在接受标准治疗（standard of care）期间纵向采集标本与影像。
为什么癌种定位是"食管"而非"胃"：CMB-GEC 的官方名称是 Gastroesophageal Cancer（胃食管癌），但集合页 Location 一栏写的是 Esophagus（食管）。这是因为胃食管癌在解剖与临床分期上以食管下段—胃食管交界（GEJ）为核心区域。使用者引用检索标签时应同时覆盖 esophagus 与 gastroesophageal，避免只搜 “stomach/gastric” 漏检（检索见 §9）。
2.2 三张数据表：开放与受控的拆分
CMB-GEC 的数据访问页在 V9 下呈现为三张并列的表，对应三种许可与获取通道：
| # | 数据类型 | 格式 | 患者数 | 检查 | 序列 | 图像 | 大小 | 许可 |
|---|---|---|---|---|---|---|---|---|
| 1 | CT, MR, PT（Radiology） | DICOM | 12 | 42 | 251 | 38,709 | 22.13 GB | CC BY 4.0 |
| 2 | PT, CT（Restricted） | DICOM | 5 | 10 | 30 | 5,733 | 2.24 GB | NIH Controlled |
| 3 | Histopathology, Whole Slide Image | JSON + SVS | 26 | — | — | 32 切片 | 12 GB | NIH Controlled |
三张表的患者数分别是 12 / 5 / 26，而集合页 Summary 写 27——这个"对不上"是全条目最容易踩的数字坑（坑 1 详解）。要点：Summary 的 27 是患者级去重总数，三张表的数字是各模态/各许可桶内的记录数，彼此不可加和。
2.3 放射影像规格
放射影像以 DICOM 格式提供，模态覆盖 CT、MR、PET（PT）：
| 属性 | 规格 |
|---|---|
| 格式 | DICOM |
| 模态 | CT、MR、PT（PET）；Restricted 桶为 PT、CT |
| 序列/检查 | 251 序列 / 42 检查（开放桶）；30 / 10（受控桶） |
| 图像数 | 38,709（开放桶）+ 5,733（受控桶） |
| 时间戳 | DICOM tag (0012,0053) 存"距入组天数"，(0012,0052) 存偏移 |
| 去标识日期 | 归一化到 1960-01-01 基准、按入组日偏移，保留纵向关系 |
| 下载 | 需 TCIA Data Retriever（NBIA Data Retriever）或网页 Query/Filter |
去标识策略细节（对复现时间分析很重要）：TCIA 采用 DICOM Part 3.15 Annex E 的"Retain Longitudinal With Modified Dates Option"，把原始日期先归一化到 1960 年 1 月 1 日，再相对每位患者的入组日做偏移。因此影像里看到的日期（如 01/03/1960）是假日期，但日期之间的间隔是真实的——这正是纵向分析能跑通、又保护隐私的机制（坑 4 详解）。
2.4 全切片病理规格
| 属性 | 规格 |
|---|---|
| 数据类型 | Histopathology、Whole Slide Image |
| 格式 | SVS（金字塔式全切片图像）+ JSON 元数据 |
| 患者数 | 26 |
| 切片数 | 32 |
| 大小 | 12 GB |
| 许可 | NIH Controlled Data Access Policy — Tissue Slide Images, Pathology Metadata |
| 下载 | 需 IBM Aspera Connect 插件（12 GB 大文件） |
病理部分是 CMB-GEC 中唯一完全受控的大类：既不给公开直链，也不走 CC BY。想用切片，必须通过 NIH 受控数据通道申请（§6）。这也是"影像开放、病理受控"双轨结构的核心。
2.5 家族坐标：CMB 九子集全景
CMB-GEC 不是孤立数据集，而是 CMB 九癌种子集之一。"27 患者 / 36.37 GB"这个体量必须放在家族里看才有意义：
| 集合 | 癌种 | 患者数（去重口径） | 说明 |
|---|---|---|---|
| CMB-AML | 急性髓系白血病 | 16 | 血液系统恶性肿瘤 |
| CMB-BRCA | 浸润性乳腺癌 | 101 | 乳腺多模态 |
| CMB-CRC | 结直肠癌 | 102 | 体量最大（250.46 GB 级） |
| CMB-GEC | 胃食管癌 | 27 | 本条目，家族最小档 |
| CMB-LCA | 肺癌 | 209 | 家族最大队列 |
| CMB-MEL | 黑色素瘤 | 66 | 皮肤/影像 |
| CMB-MML | 多发性骨髓瘤 | 177 | 血液/骨 |
| CMB-OV | 卵巢癌 | 48 | 接收了误分类的 MSB-06071 |
| CMB-PCA | 前列腺癌 | 76 | 前列腺多模态 |
九个子集全部 Updated 2026/07/02，共享同一套 CMB 采集协议与数据访问结构。对 AI 研究者的含义：GEC 可作"小样本癌种"样本，与 LCA/MML/BRCA 这类大子集做跨癌种对照；但跨集合比较前须先对齐患者数与模态构成，切勿把不同子集的数字混用。
2.6 与肿瘤影像数据集景观的关系
与库内/常见肿瘤影像数据集相比，CMB-GEC 的定位有一处本质差异：
| 维度 | 挑战赛型（如 KiTS、PANDA） | 生物样本库型（CMB-GEC） |
|---|---|---|
| 标注 | 人工 GT（分割/分级），面向指标 | 无官方 GT，面向研究问题自定 |
| 时间 | 单次快照 | 纵向多次随访，时间对齐 |
| 许可 | 通常单一开放 | 双轨：影像开放 + 病理/基因组受控 |
| 体量 | 中到大 | 小（27 患者），但持续增长 |
| 目标 | 跑排行榜 | 研究耐药/敏感性等真实临床问题 |
这个对照解释了为什么 CMB-GEC 的"AI-Ready"提升路径与挑战赛数据集不同：它的瓶颈不在标注质量，而在受控数据的可获取性（§8 AI-Ready 评估）。
§3 CMB 计划背景：一个国家级生物样本库如何长成影像档案
3.1 计划定位与动机
Cancer Moonshot Biobank（CMB）是美国国家癌症研究所（NCI）设立的一项国家级计划，目标是为"药物耐药与敏感性"研究、以及其他 NCI 资助的癌症研究方向提供支持。它的核心信念是：要理解癌症如何起始、如何进展、如何干预，必须在治疗过程中连续采集生物标本与数据，而不是只看某一个时间点的切片。
计划设计（程序级，非本次集合）：
| 计划维度 | 目标值 |
|---|---|
| 患者规模 | 至少 1000 名患者 |
| 癌种覆盖 | 至少 10 种癌症 |
| 代表性 | 代表美国人口多样性 |
| 采集场景 | 多个 NCI Community Oncology Research Program（NCORP）站点 |
| 采集时机 | 患者接受标准治疗（standard of care）期间，纵向采集 |
| 标本类型 | 生物标本（血液 + 医学操作中切除的组织） |
3.2 数据托管的分工：一个计划，多个数据库
CMB 的数据不是一个库装下的，而是按数据类型拆到不同的国家级基础设施：
| 数据类型 | 托管平台 | 访问等级 |
|---|---|---|
| 放射影像 + 病理影像 | TCIA（The Cancer Imaging Archive） | 影像 CC BY 4.0 / 病理 NIH 受控 |
| 影像（云端替代） | IDC（Imaging Data Commons） | 随 TCIA 口径 |
| 基因组、表型、完整临床 | dbGaP（Database of Genotypes and Phenotypes） | 受控访问，需申请 |
| 临床子集 | CTDC（Clinical Translational Data Commons） | 开放访问 |
这个分工对使用者意味着什么：想做一个完整的"影像-基因组-临床"多模态研究，你要同时登录 TCIA（影像）、dbGaP（组学/临床）、CTDC（开放临床）三个系统，各自走各自的申请通道。CMB-GEC 在 TCIA 上只提供影像与病理部分，它自己不含基因组数据——基因组在 dbGaP。
3.3 纵向数据的时间对齐机制
CMB 影像最独特的设计是时间对齐：让影像能和临床事件挂到同一条时间轴上。机制分三层：
- 临床事件时间戳：Biobank Catalog 记录每位患者的临床事件（入组、用药、随访等）。
- 影像嵌入"距入组天数"：每张影像的 DICOM 头里，标签 (0012,0053) Longitudinal Temporal Event Type 设为 “REGISTRATION”（入组），标签 (0012,0052) Longitudinal Temporal Offset from Event 存距入组的天数偏移。
- 去标识日期保留纵向关系：原始日期归一化到 1960-01-01 基准，再按入组日偏移。
举例（来自 TCIA 官方文档）：某患者入组真实日期为 2018-03-27，某次检查原始 Study Date 为 2018-03-29（即入组后 2 天），那么去标识后的 TCIA Study Date 会变成 1960-01-03，同时 DICOM 里存下偏移值。日期本身是假的（一眼能看出不真实），但任意两次检查之间的时间间隔是真的——这样既保护隐私，又让"治疗前/治疗中/治疗后"的纵向建模成为可能。
3.4 为什么 CMB-GEC 是理解 CMB 的好入口
CMB 有九个癌种子集，GEC 是其中规模最小的之一（27 患者）。它适合做"入口"的理由有三：体量小容易上手、包含了 CT/MR/PET 三种常见影像模态、且同时有开放（影像）与受控（病理）两类数据，能把 CMB 的完整访问结构一次性体验完。
§4 版本演进：从 1 个患者到 27 个患者的九年账
CMB-GEC 从 2022 年首版到 2026 年 V9，共发布 9 个版本。逐版看它的成长，能读出生物样本库型数据集的典型节奏——慢速、持续、边采边发。
| 版本 | 更新日期 | 放射影像 | 病理 | 关键变更 |
|---|---|---|---|---|
| V1 | 2022/08/12 | 1 例 / 1,293 张 | 1 例 / 3 切片 | 首版 |
| V2 | 2023/12/07 | 1 例 | 1 例 / 2,440 张 | 加入 TCIA Restricted 数据 |
| V3 | 2024/03/04 | 1 例 | 7 例 / 11 切片 | 病理新增 6 例 / 8 切片 |
| V4 | 2024/08/04 | 1 例 | 1 例 | Patient ID 去前缀改格式（见下） |
| V5 | 2024/08/28 | 5 例 / 22,321 张 | 5 例 / 5,733 张 | 放射影像扩容 |
| V6 | 2025/05/09 | 6 例 / 22,816 张 | 6 例 / 6,859 张 | 影像 +2 例、病理 +4 例 |
| V7 | 2025/10/10 | 6 例 / 22,816 张 | 7 例 / 8,211 张 | 病理改 NIH Controlled 口径 |
| V8 | 2026/05/29 | 6 例 | 5 例 / 5,733 张 | Restricted 部分更新 |
| V9 | 2026/07/02 | 12 例 / 38,709 张 | 26 例 / 32 切片 | +6 放疗例；MSB-06071 移出至 CMB-OV |
4.1 节奏启示
- 前四年增长极慢：V1→V4 影像一直停在 1 例，说明生物样本库型数据集"长期只有个位数患者"是常态，不是缺陷。
- 2024 下半年起加速：V5（2024/08）跳到 5 例，V9（2026/07）到 12 例开放影像，符合"采集多年后集中发布"的样本库节奏。
- 病理在 V7 改口径：从之前的表述转为明确的 “NIH Controlled Data Access Policy”，说明受控访问政策是后加的、逐步收紧的。
4.2 V4 的 Patient ID 变更（跨版本 join 陷阱）
V4（2024/08/04）做了一次重要变更：Patient ID 格式更新，移除了集合前缀——CMB-GEC-MSB-##### 变为 MSB-#####。同时"UID 被哈希化"（研究、序列、SOP、被引 SOP 的 UID 都被修改）。
含义：如果你手上有 V4 之前的分析脚本，用旧 ID 格式（含 CMB-GEC- 前缀）会 join 不上 V4 及之后的数据。跨版本复用时，先统一 Patient ID 口径。
4.3 V9 的患者移出（数据集的"活体"证据）
V9 更新日志原文：病理患者 MSB-06071 was incorrectly classified and has been removed from this dataset. Patient can be found in collection CMB-OV dataset.——即该患者被误分类为胃食管癌，实际应属卵巢癌（CMB-OV），因此从 GEC 移除。
这是动态数据集的版本漂移实证：生物样本库数据集的"内容"会随分类修订而变，不是一成不变的冻结快照。任何跨版本对比研究都必须锁定版本号（§9 详解）。
4.4 版本演进的量化观察
把九版数字画成一条线，能读出生物样本库数据集的三段节奏：
| 阶段 | 版本 | 影像患者数 | 观察 |
|---|---|---|---|
| 种子期 | V1-V4（2022-2024） | 1 | 常年只有一个患者，说明早期招募集采 |
| 成长期 | V5-V8（2024-2026） | 5-6 | radiotherapy 与病理同步扩容 |
| 发布期 | V9（2026-07） | 12 | 影像患者数翻倍，病理到 26 |
关键观察：集合页 Summary 的患者数（27）在很长一段时间里由病理侧主导（病理病例数一直多于影像）。V9 时病理达 26 例，影像达 12 例，去重后 27——说明**“有病理的比有影像的多”**是这个集合的常态，做多模态研究时会发现"同时有两种模态的患者"远少于任一模态的总数。
4.5 为何版本链对使用者如此重要
对持续更新的数据集，版本链不是花边新闻，而是复现的前提：
- 数字会变：V9 的患者数、图像数都与 V8 不同，引用不带版本等于引用了移动靶。
- ID 会变：V4 改 Patient ID 格式，跨版本脚本要用统一口径。
- 成员会变：V9 移出了 MSB-06071，若不锁版本，同一个"集合"在不同时间包含不同患者。
- 许可会变：病理的许可口径在 V7 明确为 NIH Controlled，早期版本表述不同。
实践建议：任何基于 CMB-GEC 的分析都应写下"数据快照版本 + 抓取日期"，并在论文中声明（§5.3）。
§5 数据治理与合规：去标识与受控访问
5.1 双层去标识设计
CMB-GEC 的隐私保护建立在两套机制上：
患者标识去标识：
| 项 | 处理 |
|---|---|
| Patient ID | 形如 MSB-#####（V4 起去 CMB-GEC- 前缀） |
| UID | 研究/序列/SOP/被引 SOP UID 全部哈希化（V4 起） |
| DICOM 日期 | 归一化到 1960 基准 + 按入组偏移 |
| 时间信息 | 保留纵向关系，不保留真实日期 |
时间信息保留的边界：去标识只改日期值、不改日期间隔。这意味着"患者 A 在入组后第 30 天和第 90 天各做了一次 CT"这一事实完整保留，但"这两次 CT 发生在哪一年哪一月"被抹掉。
5.2 受控访问的边界
哪些数据受控、哪些开放，是使用 CMB-GEC 时最先要搞清的：
| 数据类别 | 访问等级 | 通道 |
|---|---|---|
| 放射影像（CT/MR/PT，主桶） | CC BY 4.0 开放 | TCIA Data Retriever |
| 放射影像（Restricted 桶） | NIH 受控 | TCIA 受控流程 |
| 全切片病理（SVS+JSON） | NIH Controlled | dbGaP/受控申请 |
| 基因组/表型/完整临床 | 受控 | dbGaP 申请 |
| 临床子集 | 开放 | CTDC |
实务提示：真正的"卡点"是病理与基因组。如果你的研究只需经典放射影像特征，可以完全用开放桶；一旦涉及病理切片或组学关联，就要预留受控申请的时间成本（且申请未必批准）。
5.3 强制引用与致谢
TCIA 对本数据集标注 Data Citation Required（必须引用），使用须遵守 TCIA Data Usage Policy and Restrictions。此外，CMB 计划要求所有基于其数据的出版物包含指定致谢语句：
“Data used in this publication were generated by the National Cancer Institute’s Cancer Moonshot Biobank.”
官方数据引用格式：
Cancer Moonshot Biobank. (2022). Cancer Moonshot Biobank – Gastroesophageal Cancer Collection (CMB-GEC) (Version 9) [dataset]. The Cancer Imaging Archive. https://doi.org/10.7937/e7kh-r486
注意引用里要带版本号（Version 9）与 DOI——对持续更新的数据集，不写版本等于引用了一个不存在的"稳定版"（§9）。
§6 获取与许可：双轨门怎么进
6.1 三把钥匙开三扇门
CMB-GEC 的获取不是"一个下载按钮"，而是按数据类型分三扇门：
| 门 | 数据 | 工具 | 许可 |
|---|---|---|---|
| 门 1（开放） | 主桶放射影像（22.13 GB） | TCIA Data Retriever（NBIA Data Retriever） | CC BY 4.0 |
| 门 2（受控） | Restricted 放射影像 + 全切片病理（12 GB） | 受控流程 / IBM Aspera Connect（大文件） | NIH Controlled |
| 门 3（替代） | 影像云端访问 | IDC 门户 | 随 TCIA 口径 |
6.2 放射影像获取实操
开放桶放射影像的获取步骤（概念流程，非逐命令）：
- 打开 TCIA CMB-GEC 集合页，定位"Data Access"表第 1 行（CT/MR/PT，CC BY 4.0）。
- 用网页端 Query/Filter 筛选（可按模态、序列、检查过滤）。
- 点击 Download，浏览器会调起 TCIA Data Retriever（NBIA Data Retriever） 客户端——它不是普通浏览器下载，而是一个专门的取数工具（历史用户易在此卡住）。
- 也可通过 IDC 门户在云端直接访问同一批影像，避免本地下载 22 GB。
6.3 全切片病理获取实操
病理（12 GB，SVS+JSON）走受控通道，且下载需 IBM Aspera Connect 插件——因为 12 GB 的 WSI 用普通 HTTP 传输效率低。申请者须先通过 NIH 受控数据访问流程获得授权，再凭凭证下载。
6.4 AI-Ready 评估：开放与受控的双轨得失
得分点：
- 放射影像 CC BY 4.0 完全开放，且提供云端（IDC）访问路径，可发现性、可获取性对影像研究者友好。
- 元数据（模态、患者数、图像数、大小、版本日志）在集合页结构化呈现，质量较高。
- 纵向时间对齐机制文档完整（DICOM tag 定义清晰）。
失分点：
- 核心的病理与基因组数据受控，把"影像-病理-组学"完整多模态研究的门槛抬高。
- 体量小（27 患者），且为 Ongoing 动态更新，任何固定基准都难做。
- 无官方标注 GT，AI 训练需自建标签。
- 患者数多口径（27/12/26）易使自动化抓取出错（§9）。
定性结论：CMB-GEC 是"开放影像 + 受控组学"的双轨样本，AI-Ready 程度在影像侧偏高、在病理/组学侧被受控政策限制。这并非缺陷，而是生物样本库数据在隐私与开放之间的必然折中。
§7 任务与下游应用：生物样本库数据能用来做什么
CMB-GEC 不规定任务、不给指标，因此它的"用途"是一张开放清单。以下按数据可支撑的研究方向梳理。
7.1 放射影像侧（开放数据，门槛最低）
| 方向 | 数据基础 | 说明 |
|---|---|---|
| 肿瘤分割/检测 | CT/MR/PET 38,709 张 | 需自建/迁移标签，无官方 GT |
| 影像组学（radiomics） | 多模态 + 时序 | 提取治疗前后特征变化 |
| 治疗响应预测 | 纵向序列 + 临床事件 | 需关联 dbGaP/CTDC 临床 |
| 跨模态配准 | CT+MR+PET 同患者 | 同一患者多模态对齐 |
| 合成/重建 | 大序列 | 低剂量 CT 重建等 |
7.2 病理侧（受控数据）
| 方向 | 数据基础 | 说明 |
|---|---|---|
| 全切片分类/分级 | 26 例 / 32 切片 SVS | 需受控访问授权 |
| 病理-影像配准 | 病理 + 放射 | 跨模态对齐，是 WSI-MRI 融合研究范本 |
| 组织学特征提取 | SVS 金字塔 | 高分辨率形态学 |
7.3 多模态与纵向（CMB-GEC 的真正独特性）
- 纵向响应建模：利用"距入组天数"戳，构建"治疗前→治疗中→治疗后"的影像轨迹。
- 影像-病理-组学三角关联：影像（TCIA）+ 病理（受控）+ 基因组（dbGaP）同一批患者可关联——这是挑战赛数据集做不到的。
- 跨癌种迁移：与 CMB 其余八个子集共享采集协议，可做跨癌种的基础模型预训练/评测。
7.4 不适合的用途
- 需要大规模即插即用训练集的团队（27 患者太小）。
- 需要官方分割 GT 做基准的挑战赛式研究（无 GT）。
- 只用公开数据、不碰受控数据的病理研究（病理全受控）。
7.5 纵向建模的具体思路
CMB-GEC 的纵向设计（"距入组天数"戳）让以下几类建模成为可能，且都是挑战赛快照数据集做不到的：
| 建模思路 | 输入 | 输出 | 关键点 |
|---|---|---|---|
| 治疗轨迹建模 | 治疗前/中/后多次 CT | 病灶体积轨迹曲线 | 用天数戳排序 |
| 响应早期预测 | 基线 + 首个随访 | 后续响应标签 | 需临床标签（dbGaP） |
| 耐药信号挖掘 | 疗程影像序列 | 耐药事件 | CMB 计划的原始命题 |
| 时间-影像基础模型 | 带时间戳的序列 | 通用表征 | 预训练新范式 |
要点：所有纵向分析必须用相对时间（距入组天数），而非 DICOM 绝对日期（坑 4）。因为绝对日期被去标识化到 1960 基准，只有间隔真实。
7.6 影像-病理-组学三角关联（CMB-GEC 的最高价值场景）
CMB-GEC 真正稀缺的能力，是把同一批患者的三种模态关联起来：
| 模态 | 数据位置 | 访问 | 关联键 |
|---|---|---|---|
| 放射影像 | TCIA（本集合） | CC BY 4.0 / 受控 | Patient ID（MSB-#####） |
| 全切片病理 | TCIA（本集合） | NIH 受控 | Patient ID |
| 基因组/表型/临床 | dbGaP | 受控 | dbGaP 受试者 ID |
| 临床子集 | CTDC | 开放 | 受试者 ID |
这条链的完整打通需要同时通过 TCIA 受控流程 + dbGaP 申请，是门槛最高但也最有价值的用法。能打通的团队可做"影像表型 ↔ 病理形态 ↔ 基因组变异"的三向关联——这正是精准肿瘤学最想要的数据结构。
7.7 作为预训练/迁移学习源
虽然 27 患者不足以从头训练大模型，但可作为：
- 领域微调：在大规模通用影像模型上用 CMB-GEC 做胃食管癌领域适配。
- 跨癌种评测：CMB 九子集共享协议，可测模型的癌种泛化。
- 小样本学习基准：27 患者的极端小样本场景，是 few-shot / 元学习方法的天然测试床。
7.8 伦理与合规研究用途
CMB-GEC 的双轨许可结构本身就是一个研究样本：
- 研究"开放影像 + 受控组学"如何在保护隐私的同时最大化科研价值。
- 研究去标识化（日期偏移）对纵向分析方法学的影响。
- 研究国家级队列数据发布的版本治理（动态 vs 冻结）问题。
§8 生态与位置：CMB-GEC 在肿瘤影像数据版图中
8.1 家族内位置
CMB-GEC 在 CMB 九子集中的定位：体量最小档（27 患者，接近 AML 的 16 例），远小于 LCA（209）、MML（177）、BRCA（101）、CRC（102）。它适合做"小样本癌种"的横向对照，不适合做需要统计功效的主队列。
8.2 与库内条目的关系
| 库内条目 | rid | 关系 |
|---|---|---|
| tcia | 547 | 同平台——CMB-GEC 托管于 TCIA |
| uk-biobank | 96 | 同类——国家级生物样本库（影像子集） |
| biobank-japan | 195 | 同类——国家生物样本库 |
| all-of-us | — | 同类——大型队列计划 |
| nct-crc-he-100k | 148 | 癌种近邻——消化系统肿瘤 |
| gastrovision | 203 | 癌种近邻——胃食管内镜影像 |
| gastroendonet | 780 | 癌种近邻——胃食管内镜 |
| gastrohun | 885 | 癌种近邻——胃（癌）病理 |
8.3 缩写撞车提醒（重要）
本库内 cmb-cmexam（rid 180）与本条目无任何血缘。cmb-cmexam 中的 CMB = Chinese Medical Benchmark（中文医学考试题数据集，香港中文大学深圳团队，共 280,839 道题）；本条目 CMB = Cancer Moonshot Biobank（NCI 癌症登月生物样本库）。二者仅共享"C-M-B"三个字母，主题（医学问答 vs 肿瘤影像）、机构（CUHK-SZ vs NCI）、形态完全无关。检索与互链时务必用全称消歧（坑 2）。
8.4 对 AI-Ready 生态的意义
CMB-GEC 代表了一类重要的 AI-Ready 数据源：国家级/机构级生物样本库的影像导出。这类数据的共同特点是：纵向、多模态、双轨许可、持续更新、无预置标注。它们不像挑战赛数据集那样"开箱即用跑分"，但提供了真实世界临床肌理（治疗轨迹、真实人群多样性）。让 AI 消化这类数据，是医学 AI 从"基准刷分"走向"临床可用"的必经一环。
§9 存照与检索：所有对不上的数字
9.1 患者数三口径（本条目头号难点）
同一集合在三处官方页面出现三个患者数：
| 出处 | 数值 | 语义 |
|---|---|---|
| 集合页 Summary 行 | 27 | 患者级去重总数（subject-level） |
| 集合页 Radiology 子表 | 12 | 有开放放射影像的患者数 |
| 集合页 Histopathology 子表 | 26 | 有全切片病理的患者数 |
| 程序页（research/cmb） | 12 / 26 | Radiology / Pathology 分列 |
判定：27 是去重后总数（一患者可同时有影像与病理，故 12 与 26 有交叠）。12 + 26 ≠ 27，任何把它们相加得 38 的算法都是错的。自动化抓取时，应优先取 Summary 的 27 作为"患者数"，把 12/26 标为"分模态记录数"。
9.2 版本漂移（动态数据集的自证）
- CMB-GEC 是 Ongoing 数据集，版本号已到 V9。本文所有数字对应 2026-07-02 快照。
- 引用必须带版本（官方引用格式即含 Version 9），否则引用了不存在的"稳定版"。
- 跨版本复用数据须锁定版本；V4 改过 Patient ID 格式、V9 移出过患者（MSB-06071 → CMB-OV）。
9.3 检索标签陷阱
- 癌种标签：官方写 Gastroesophageal Cancer，但 Location 写 Esophagus。检索时若只用 “stomach/gastric” 会漏；应同时用
gastroesophageal、esophageal、GEJ。 - 缩写消歧：
CMB在本库内撞cmb-cmexam（中文医学基准），在外部也歧义众多；精确检索用Cancer Moonshot Biobank全称 +CMB-GEC。 - DOI 直取：最稳的定位方式是 DOI
10.7937/E7KH-R486。
9.4 其他存照
- 无 related collections / analysis results：集合页显示本数据集无关联集合、无关联分析结果——即 TCIA 上暂无以它为基础派生的分析成果。
- 2 Citations：抓取时点集合页显示 2 次引用（可作"已被引用"的证据，但数量少）。
§10 避坑清单：八个已踩过的坑
坑 1：患者数 27 / 12 / 26 千万不要相加。集合页 Summary = 27（去重），Radiology 子表 = 12，Histopathology 子表 = 26。三者是不同口径，12+26=38 是错误答案。原因：一名患者可能同时有放射影像与病理记录，去重后才得 27。凡涉及"多少患者"的表述，先声明口径（§9.1）。
坑 2：库内 cmb-cmexam 与本条目只是缩写撞车。cmb-cmexam（rid 180）= Chinese Medical Benchmark（中文医学考试题，CUHK-SZ），本条目 = Cancer Moonshot Biobank（NCI）。同缩写、不同物。互链、检索、引用时一律用全称消歧，绝不可因缩写相同而互相引用。
坑 3：许可"双轨"，别一揽子引用。放射影像（CC BY 4.0）与全切片病理（NIH Controlled）是两套许可。把整个数据集标成"CC BY 4.0"会错——病理不是开放的；把整个标成"受控"又低估了影像的开放性。引用时按数据类型分别声明（§6）。
坑 4：影像日期是假的，间隔是真的。去标识把日期归一化到 1960-01-01 基准并按入组日偏移，所以你看到的 Study Date（如 1960-01-03）不是真实日期。但日期间隔保留。做时间序列分析时用"距入组天数"戳（tag 0012,0053），不要用 DICOM 里的绝对日期当作真实时间。
坑 5：引用不带版本号等于引用空气。CMB-GEC 是 Ongoing 数据集，已到 V9，且历史上改过 ID 格式、移出过患者。引用必须含版本号（Version 9）与 DOI，最好再标抓取日期。不写版本的引用无法被复现。
坑 6：病理下载要 Aspera，不是浏览器直下。12 GB 的全切片病理（SVS+JSON）需 IBM Aspera Connect 插件；放射影像需 TCIA Data Retriever（NBIA Data Retriever）。两者都不是普通浏览器下载，首次使用者极易在此卡壳，别以为是网站坏了。
坑 7：CMB 计划规模 ≠ CMB-GEC 规模。CMB 计划目标是"至少 1000 名患者、至少 10 种癌症"，但 CMB-GEC 只有 27 名患者。不要把计划的 1000 患者误当作本集合的规模；也不要以为 GEC 覆盖 10 种癌症（它只覆盖胃食管癌一种）。
坑 8："胃食管癌"检索别只搜胃。官方癌种名是 Gastroesophageal Cancer，Location 标 Esophagus（食管）。只用 gastric/stomach 检索会漏掉本数据集。检索应覆盖 gastroesophageal / esophageal / GEJ（胃食管交界）三类词（§9.3）。
坑 9（补充）：别把 CMB-GEC 当成"一个可下载的数据包"。它在 TCIA 上是一个"集合（Collection）"，由多张数据表、多个许可桶、多个下载工具组成，不是一个 zip。新用户常以为点一下就能拿到全部，实际要按数据类型分别走流程（§6）。建议先读 §6.1 三把钥匙,再动手。
§10.5 面向不同读者的阅读路线
不同背景的读者读本条目，可走不同路线：
| 你是谁 | 推荐路线 | 为什么 |
|---|---|---|
| 影像研究者 | §2.3 → §6.2 → §7.1 → §7.5 | 关注开放影像与纵向建模 |
| 病理研究者 | §2.4 → §6.3 → §7.2 | 关注受控病理获取 |
| 多模态研究者 | §2.5 → §7.6 → §6 | 关注三模态关联与门槛 |
| 数据治理研究者 | §5 → §4 → §8.4 | 关注去标识与版本治理 |
| 临床研究者 | §0 → §3 → §7.6 | 关注临床问题与数据可得 |
| 只想引用 | §5.3 → 附录 W | 直接拿引用格式 |
§10.6 数据获取的时间成本预估（定性）
受控数据的获取是长期的、不确定的流程，做项目规划时应预留时间：
| 步骤 | 性质 | 是否必然成功 |
|---|---|---|
| 开放影像下载 | 数小时（22 GB） | 是 |
| 病理受控申请 | 数周（含审批） | 否（可能被拒） |
| dbGaP 基因组申请 | 数周至数月 | 否（可能被拒） |
| 本地/云端推理准备 | 数天 | 是 |
结论：若项目强依赖病理或基因组，务必早启动受控申请，并准备"只用开放影像"的降级方案。
§11 总结
11.1 三句话总结
- CMB-GEC 是 NCI 癌症登月生物样本库的胃食管癌影像子集，27 名患者、36.37 GB，托管 TCIA，含 CT/MR/PET 影像与全切片病理。
- 它的独特价值是纵向时间对齐（每张影像带"距入组天数"）与影像-病理-组学三模态可关联——这是挑战赛数据集给不了的。
- 它的门槛是双轨许可：放射影像 CC BY 4.0 开放，全切片病理与基因组 NIH 受控；引用必须带 Version 9 与 DOI。
11.2 适合谁
- 做多模态/纵向肿瘤影像建模，想找真实世界数据的研究者。
- 研究生物样本库数据治理、"开放影像+受控组学"结构的学者。
- 需要胃食管癌影像做探索性工作的团队（开放影像可直接用）。
- 做 CMB 九子集跨癌种比较的研究者（GEC 是小样本对照点）。
11.3 不适合谁
- 需要大规模即插即用训练集、要统计功效的项目（27 患者太小）。
- 需要官方分割/分类 GT 的基准式研究（无 GT）。
- 只碰公开数据、不做受控申请却要用病理或基因组的项目（这些全受控）。
11.4 30 秒决策卡
| 你的情况 | 行动 |
|---|---|
| 只要放射影像做探索 | 走 TCIA Data Retriever 下开放桶（22.13 GB，CC BY 4.0），或直接用 IDC 云端 |
| 要用全切片病理 | 先走 NIH 受控申请，拿到授权后用 IBM Aspera 下载（12 GB） |
| 要关联临床/基因组 | 去 dbGaP（受控）与 CTDC（开放）申请，TCIA 侧只管影像 |
| 要做纵向分析 | 用 DICOM tag (0012,0053) 的"距入组天数"，不要用绝对日期（坑 4） |
| 要引用本数据集 | 用官方格式含 Version 9 + DOI（§5.3），标抓取日期 |
| 要跨癌种研究 | 拉 CMB 其余 8 子集，注意各子集患者数/模态不同，勿混用 |
FAQ（高频问答 32 问）
A. 基础认知
Q1：CMB-GEC 到底是什么？用一句话说。
它是美国国家癌症研究所（NCI）"癌症登月生物样本库"计划里，胃食管癌这一癌种的影像子集，托管在 TCIA 公共影像档案上，含 27 名患者的 CT/MR/PET 影像与全切片病理。
Q2：CMB 是什么的缩写？
Cancer Moonshot Biobank，癌症登月生物样本库。注意别和本库内 cmb-cmexam 里的 CMB（Chinese Medical Benchmark，中文医学基准）混淆——同缩写、不同物（坑 2）。
Q3：GEC 是什么？
Gastroesophageal Cancer，胃食管癌。它是 CMB 覆盖的癌种之一。
Q4：这个数据集是 NCI 直接发布的吗？
是 NCI 的计划产出的数据，但发布/托管平台是 TCIA（The Cancer Imaging Archive），一个专门的肿瘤影像公共档案。集合页的发布者标记为 “Cancer Moonshot Biobank”。
Q5：它和我熟悉的挑战赛数据集（如 KiTS、PANDA）有什么本质不同？
两点：① 没有官方标注 GT、没有排行榜，是"原始影像+病理+关联临床"型；② 有纵向随访时间轴（“距入组天数”），挑战赛数据集通常是单次快照。
Q6：为什么 NCI 要做这么个生物样本库？
为研究"药物耐药与敏感性"这类长期临床问题。要理解耐药如何产生，必须沿治疗过程连续采集标本与数据，而不是看一个时间点。
B. 数据与规格
Q7：到底多少患者？
官方集合页 Summary 写 27（患者级去重）。但你会看到 Radiology 子表写 12、Histopathology 子表写 26——这不是矛盾，是口径不同（§9.1）。不要相加。
Q8：多大？
36.37 GB（集合页 Summary 口径）。分模态看：开放放射影像 22.13 GB，受控放射影像 2.24 GB，全切片病理 12 GB。
Q9：包含哪些影像模态？
CT、MR、PT（PET）三种放射影像。此外有 Histopathology（组织病理）与 Whole Slide Image（全切片图像 WSIS）。
Q10：放射影像具体多少张？
V9 开放桶：12 例 / 42 检查 / 251 序列 / 38,709 张图像（22.13 GB）。受控桶另有 5 例 / 10 检查 / 30 序列 / 5,733 张（2.24 GB）。
Q11：病理多少？
26 例 / 32 张切片 / 12 GB。格式是 SVS（全切片图像）+ JSON（元数据）。
Q12：能拿到原始 DICOM 吗？
能。放射影像以原始 DICOM 格式提供，经 TCIA Data Retriever 下载。
Q13：不同患者的影像能对齐吗？
跨患者的绝对时间不能对齐（日期被去标识）。但同一患者内的多次检查可以按"距入组天数"对齐，且不同患者可对齐到"入组后第 N 天"这一相对时间轴。
Q14：数据是清洗过的吗？
这是原始临床数据，非精选清洗数据集。TCIA 只做去标识化，不做质量筛选或标注。
Q15：为什么器官写"食管"但癌种叫"胃食管癌"？
胃食管癌在解剖与分期上以食管下段—胃食管交界（GEJ）为核心区域，TCIA 的 Location 字段简记为 Esophagus。检索时两者都要覆盖（坑 8）。
C. 许可与获取
Q16：许可是什么？
双轨：放射影像 CC BY 4.0（开放，须署名）；全切片病理与部分受控影像 NIH Controlled Data Access Policy（受控，须申请）。
Q17：我能直接下载影像吗？
开放桶的放射影像（CC BY 4.0）可以直接下载，但需用 TCIA Data Retriever（NBIA Data Retriever）工具，不是普通浏览器下载。
Q18：我要用病理切片怎么办？
走 NIH 受控数据访问流程申请授权。病理是 100% 受控的，没有公开直链。
Q19：基因组数据在哪？
在 dbGaP（Database of Genotypes and Phenotypes），受控访问，需申请。TCIA 上的 CMB-GEC 不含基因组数据。
Q20：临床数据在哪？
完整临床/表型在 dbGaP（受控）；临床子集在 CTDC（Clinical Translational Data Commons，开放）。
Q21：有没有云端的下载替代？
有。影像可通过 IDC（Imaging Data Commons） 云端访问，免去本地下载 22 GB 的麻烦。
Q22：下载病理为什么提 Aspera？
因为 12 GB 的全切片数据用普通 HTTP 传输效率低，官方要求 IBM Aspera Connect 插件下载（坑 6）。
Q23：CC BY 4.0 是什么意思？
Creative Commons 署名 4.0 国际许可：可自由使用、修改、分发（含商用），条件是署名（给出引用与 DOI）。
Q24：引用格式是什么？
官方格式：Cancer Moonshot Biobank. (2022). Cancer Moonshot Biobank – Gastroesophageal Cancer Collection (CMB-GEC) (Version 9) [dataset]. The Cancer Imaging Archive. https://doi.org/10.7937/e7kh-r486 ——注意版本号必须保留（§5.3）。
Q25：还有别的引用要求吗？
有。须遵守 TCIA Data Usage Policy，且 CMB 计划要求出版物包含指定致谢语句（“Data used in this publication were generated by the National Cancer Institute’s Cancer Moonshot Biobank.”）。
D. 版本与检索
Q26：现在是哪个版本？
Version 9，更新于 2026-07-02，状态 Ongoing。首版是 2022-08-12。
Q27：为什么要关心版本号？
因为它是动态数据集：V4 改过 Patient ID 格式，V9 移出过患者（MSB-06071 → CMB-OV）。不锁版本，你的分析无法复现（坑 5）。
Q28：怎么记住它的位置？
用 DOI 10.7937/E7KH-R486 或集合页 URL。DOI 是最稳的定位符。
Q29：搜 “gastric cancer dataset” 能找到它吗？
可能漏。官方癌种名是 Gastroesophageal，Location 是 Esophagus。检索要覆盖 gastroesophageal / esophageal / GEJ（坑 8）。
E. 家族与生态
Q30：CMB 一共有几个影像子集？
9 个：AML、BRCA、CRC、GEC、LCA、MEL、MML、OV、PCA，全部 Updated 2026/07/02。GEC 是其中规模最小档（27 患者）。
Q31：我能跨子集做研究吗？
可以，九个共享同一套 CMB 采集协议与访问结构，适合跨癌种研究；但各子集患者数、模态构成不同，比较前须对齐（§2.5）。
Q32：它和库内 uk-biobank、biobank-japan 是什么关系？
同类：都是"国家级生物样本库"的影像/数据子集，都体现"大体量队列拆子集发布"的模式。但 CMB-GEC 是肿瘤专病样本库，且托管在专门的影像档案 TCIA 上。
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 条目名 | CMB-GEC |
| 官方全称 | Cancer Moonshot Biobank – Gastroesophageal Cancer Collection |
| url_name | cmb-gec |
| DOI | 10.7937/E7KH-R486 |
| 类型 | 国家生物样本库影像子集（纵向多模态） |
| 主办 | NCI（美国国家癌症研究所） |
| 托管 | TCIA；基因组/临床在 dbGaP/CTDC |
| 癌种 | 胃食管癌（Location：食管） |
| 规模 | 27 患者（去重）/ 36.37 GB |
| 模态 | CT、MR、PT、Histopathology、WSI |
| 许可 | 放射影像 CC BY 4.0；全切片病理 NIH 受控 |
| 版本 | Version 9（2026-07-02） |
| 抓取时点 | 2026-10-09 |
| 库内互链 | tcia(547)、uk-biobank(96)、biobank-japan(195)、nct-crc-he-100k(148)、gastrovision(203) |
附录 B：DAIMS 评估全表
| 维度 | 评分（1-10） | 依据 |
|---|---|---|
| D 可发现性 | 8 | 有独立 TCIA 集合页 + DOI，可被索引；但癌种标签（Gastroesophageal vs Esophagus）不统一，且 CMB 缩写歧义大 |
| A 可获取性 | 6 | 放射影像 CC BY 4.0 开放且可云端（IDC）访问；但病理与基因组受控，完整多模态研究门槛高 |
| I 可互操作 | 8 | DICOM（Part 3.15 标准去标识）、SVS（WSI 标准）均为领域标准格式；DICOM tag 时间对齐机制标准化 |
| M 元数据质量 | 7 | 集合页元数据结构化、版本日志完整；但患者数多口径（27/12/26）易误读，无独立数据字典文件 |
| S 可持续性 | 9 | 依托 NCI + TCIA 国家级基础设施，Ongoing 持续更新，长期可持续性极高 |
| 综合评级 | 7.6/10（中上） | 平台权威性、标准格式、可持续性优秀；可获取性被受控数据与体量拖低 |
附录 C：逐项证据链自证
| 关键数字/事实 | 来源 | 位置 |
|---|---|---|
| 27 患者 / 36.37 GB | TCIA CMB-GEC 集合页 Summary 行 | 集合页顶部 |
| DOI 10.7937/E7KH-R486 | 集合页标题行 | 集合页顶部 |
| Version 9 / 2026/07/02 | 集合页 Data Access 段 | 集合页 |
| Radiology 12 例 / 42 检查 / 251 序列 / 38,709 图像 / 22.13GB | 集合页 Data Access 表第 1 行 | 集合页 |
| Restricted 5 例 / 5,733 图像 / 2.24GB | 集合页 Data Access 表第 2 行 | 集合页 |
| Histopathology 26 例 / 32 切片 / 12GB | 集合页 Data Access 表第 3 行 | 集合页 |
| CC BY 4.0 / NIH Controlled | 集合页 Data Access 表 license 列 | 集合页 |
| MSB-06071 移出至 CMB-OV | V9 更新日志原文 | 集合页 |
| V4 Patient ID 去前缀 | V4 更新日志原文 | 集合页版本链 |
| 至少 1000 患者 / 10 癌种 | 集合页计划描述段 + 程序页 | 集合页/程序页 |
| CMB 九子集清单 | TCIA browse-collections + 程序页表 | 程序页/browse 页 |
| DICOM tag 0012,0053 / 1960 归一化 | TCIA 数据介绍段 | 集合页/程序页 |
| 家族各子集患者数 | TCIA browse-collections 列表页 | browse 页 |
附录 D：数据获取决策树
需求是什么？
├── 只要放射影像，做探索/建模
│ ├── 直接下：TCIA Data Retriever 取开放桶（CC BY 4.0，22.13GB）
│ └── 或云端：IDC（Imaging Data Commons）免下载
├── 要用全切片病理
│ ├── 1) 走 NIH 受控数据访问申请（未必批准）
│ ├── 2) 拿到授权后用 IBM Aspera Connect 下载（12GB）
│ └── 3) 等待期可先用放射影像搭管线
├── 要关联基因组/临床
│ ├── 基因组/完整临床：dbGaP 申请（受控）
│ └── 临床子集：CTDC（开放）
├── 要做纵向分析
│ └── 用 DICOM tag (0012,0053) 距入组天数，勿用绝对日期
└── 只想引用"样本库纵向影像"论点
└── 引集合页 + DOI（含 Version 9），标抓取日期
附录 E：模态与许可映射表
| 数据桶 | 模态 | 格式 | 许可 | 获取工具 |
|---|---|---|---|---|
| Radiology（开放） | CT, MR, PT | DICOM | CC BY 4.0 | TCIA Data Retriever |
| Radiology（受控） | PT, CT | DICOM | NIH Controlled | TCIA 受控流程 |
| Histopathology | WSI | SVS + JSON | NIH Controlled | IBM Aspera Connect |
| 基因组/表型/临床 | — | 多样 | 受控 | dbGaP |
| 临床子集 | — | 多样 | 开放 | CTDC |
附录 F：CMB 九子集全景表
| 集合 | 癌种 | 患者数 | 备注 |
|---|---|---|---|
| CMB-AML | 急性髓系白血病 | 16 | 血液系统 |
| CMB-BRCA | 浸润性乳腺癌 | 101 | 乳腺多模态 |
| CMB-CRC | 结直肠癌 | 102 | 大体量 |
| CMB-GEC | 胃食管癌 | 27 | 本条目 |
| CMB-LCA | 肺癌 | 209 | 最大队列 |
| CMB-MEL | 黑色素瘤 | 66 | 皮肤 |
| CMB-MML | 多发性骨髓瘤 | 177 | 血液/骨 |
| CMB-OV | 卵巢癌 | 48 | 接收 MSB-06071 |
| CMB-PCA | 前列腺癌 | 76 | 前列腺多模态 |
附录 G：版本演进全表
| 版本 | 日期 | 放射影像 | 病理 | 关键变更 |
|---|---|---|---|---|
| V1 | 2022/08/12 | 1 例 / 1,293 张 | 1 例 / 3 切片 | 首版 |
| V2 | 2023/12/07 | 1 例 | 1 例 / 2,440 张 | 加入 TCIA Restricted |
| V3 | 2024/03/04 | 1 例 | 7 例 / 11 切片 | 病理 +6 例 |
| V4 | 2024/08/04 | 1 例 | 1 例 | Patient ID 去前缀 |
| V5 | 2024/08/28 | 5 例 / 22,321 张 | 5 例 / 5,733 张 | 影像扩容 |
| V6 | 2025/05/09 | 6 例 / 22,816 张 | 6 例 / 6,859 张 | +2 影像/+4 病理 |
| V7 | 2025/10/10 | 6 例 / 22,816 张 | 7 例 / 8,211 张 | 病理改 NIH Controlled |
| V8 | 2026/05/29 | 6 例 | 5 例 / 5,733 张 | Restricted 部分更新 |
| V9 | 2026/07/02 | 12 例 / 38,709 张 | 26 例 / 32 切片 | +6 放疗；MSB-06071 移出 |
附录 H：DRYAD 数据使用检查单
使用 CMB-GEC 前逐项确认（checklist）：
[ ] 1. 明确我用的数据在哪个桶（开放放射 / 受控放射 / 病理 / 基因组）
[ ] 2. 开放桶：准备 TCIA Data Retriever；受控桶：先完成申请
[ ] 3. 病理：确认已获 NIH 受控授权 + 安装 IBM Aspera Connect
[ ] 4. 基因组/临床：确认 dbGaP 申请状态
[ ] 5. 记录所用版本号（当前 Version 9）与抓取日期
[ ] 6. 时间分析：改用 tag (0012,0053) 距入组天数，弃用绝对日期
[ ] 7. 跨版本：对齐 Patient ID 口径（V4 起去前缀）
[ ] 8. 引用：使用官方格式（含 Version + DOI）
[ ] 9. 致谢：加入 CMB 计划指定语句
[ ] 10. 汇报数字：患者数注明口径（27 去重）
附录 I：患者数口径对照表
| 出处 | 数值 | 语义 | 能否相加 |
|---|---|---|---|
| 集合页 Summary | 27 | 患者级去重总数 | 基准值 |
| Radiology 子表 | 12 | 有开放放射影像者 | 否 |
| Histopathology 子表 | 26 | 有全切片病理者 | 否 |
| Restricted 子表 | 5 | 有受控放射影像者 | 否 |
| 程序页表 | 12 / 26 | Radiology / Pathology 分列 | 否 |
结论：涉及"患者数"一律用 27，并注明"去重口径"；子表数字作"分模态记录数"引用。
附录 J：检索式速查
| 目标 | 推荐检索式/入口 |
|---|---|
| 精确定位本集合 | DOI 10.7937/E7KH-R486 |
| TCIA 站内 | site:cancerimagingarchive.net cmb-gec |
| 癌种检索 | gastroesophageal OR esophageal OR GEJ cancer TCIA |
| 消歧（避开中文基准） | "Cancer Moonshot Biobank" CMB-GEC |
| 家族全览 | site:cancerimagingarchive.net browse-collections CMB |
附录 K：DICOM 去标识细节速查
| 项 | 内容 |
|---|---|
| 标准 | DICOM Part 3.15 Annex E “Retain Longitudinal With Modified Dates Option” |
| 日期基准 | 归一化到 1960-01-01 |
| 偏移方式 | 相对每位患者入组日偏移 |
| 距入组天数标签 | (0012,0053) Longitudinal Temporal Event Type = “REGISTRATION” |
| 偏移值标签 | (0012,0052) Longitudinal Temporal Offset from Event（可为负，表示入组前） |
| 目的 | 保留纵向时间关系，去除真实日期 |
示例：真实入组日 2018-03-27、检查日 2018-03-29（入组后 2 天）→ 去标识后 Study Date = 1960-01-03，偏移值 = +2。
附录 L：许可条款速读（双轨）
| 数据类型 | 许可 | 允许 | 条件 |
|---|---|---|---|
| 放射影像（主桶） | CC BY 4.0 | 使用/修改/分发/商用 | 署名（引用 + DOI） |
| 放射影像（Restricted） | NIH Controlled | 授权范围内 | 申请批准 |
| 全切片病理 | NIH Controlled | 授权范围内 | 申请批准 |
| 基因组/表型/临床 | dbGaP 受控 | 授权范围内 | dbGaP 申请 |
| 临床子集 | 开放（CTDC） | 使用 | 遵循 CTDC 条款 |
要点：CC BY 4.0 与 NIH Controlled 是两套逻辑——前者"默认开放、署名即用"，后者"默认关闭、批准才用"。混用会同时犯"低估病理限制"与"高估病理开放度"两种错（坑 3）。
附录 M：与库内条目关系声明
本条目 CMB-GEC 与库内 cmb-cmexam（rid 180）无任何血缘关系：
| 对比项 | CMB-GEC（本条目） | cmb-cmexam（rid 180） |
|---|---|---|
| CMB 全称 | Cancer Moonshot Biobank | Chinese Medical Benchmark |
| 主题 | 肿瘤影像（CT/MR/PET）+ 病理 | 中文医学考试选择题 |
| 机构 | NCI（美国） | 香港中文大学（深圳） |
| 形态 | 影像数据集（DICOM/SVS） | 文本数据集（JSON/CSV） |
| 规模 | 27 患者 / 36.37GB | 348,958 道题 |
| 许可 | CC BY 4.0（影像）/ NIH 受控（病理） | Apache-2.0 |
两者仅共享缩写 “CMB”，绝不可互相引用或合并（坑 2）。
附录 N：AI-Ready 提升建议
针对 CMB-GEC 的现状，提升其 AI-Ready 程度可考虑：
| 方向 | 建议 | 预期收益 |
|---|---|---|
| 元数据 | 提供独立数据字典文件，明确 27/12/26 口径 | 降低误读风险（现最大痛点） |
| 检索 | 统一癌种标签（Gastroesophageal/Esophageal 归一） | 提升可发现性 |
| 获取 | 为病理提供不依赖 Aspera 的替代通道 | 降低获取门槛 |
| 标注 | 提供最小可行分割/分类标注子集 | 提升训练可用性 |
| 稳定化 | 提供"冻结版本"快照（如年度版） | 提升可复现性（现为 Ongoing） |
| 消歧 | 在页面显式声明与其它 CMB 缩写的区别 | 降低检索混淆 |
附录 O：复现骨架（概念）
复现 CMB-GEC 纵向影像分析的概念步骤（非可直接执行代码）：
步骤 1 定位与获取
- 访问集合页，确认版本（Version 9）
- 开放影像：TCIA Data Retriever 下载；或用 IDC 云端查询
- 记录下载日期、所用版本、DOI
步骤 2 患者与时间对齐
- 解析 DICOM tag (0012,0053) 得到"距入组天数"
- 按患者分组，按天数排序构建纵向序列
- 不要用 DICOM 绝对日期作为真实时间
步骤 3（可选）受控数据
- 申请病理 / dbGaP 授权
- 授权后 Aspera 下载 SVS + JSON
步骤 4 建模
- 放射影像：分割 / 影像组学 / 响应预测
- 若获授权：多模态融合（影像 + 病理 + 组学）
步骤 5 汇报
- 注明版本 + 抓取日期 + 患者数口径（27 去重）
- 引用官方格式 + CMB 致谢语句
附录 P：CMB 程序背景关键数字
| 项 | 值 | 来源 |
|---|---|---|
| 计划目标患者数 | 至少 1000 | 集合页/程序页 |
| 计划目标癌种数 | 至少 10 | 集合页/程序页 |
| 采集站点 | 多个 NCORP 站点 | 集合页 |
| 癌种影像子集数 | 9 | browse-collections |
| 标本类型 | 血液 + 组织 | 集合页 |
提醒：以上是 CMB 计划级数字，不是 CMB-GEC 集合的规模。GEC 只有 27 患者（坑 7）。
附录 Q：坑点档案（与 §10 对照）
| 编号 | 坑 | 一句话 |
|---|---|---|
| 坑 1 | 患者数三口径 | 27/12/26 不可相加 |
| 坑 2 | 缩写撞车 | CMB≠cmb-cmexam |
| 坑 3 | 双轨许可 | 影像 CC BY / 病理受控 |
| 坑 4 | 假日期 | 日期假、间隔真 |
| 坑 5 | 版本号 | 引用必带 Version |
| 坑 6 | 下载工具 | Aspera / Data Retriever |
| 坑 7 | 计划≠集合 | 1000 患者是计划的 |
| 坑 8 | 检索标签 | 别只搜 gastric |
附录 R：检索决策树
想找 CMB-GEC 数据？
├── 知道 DOI
│ └── 直接访问 https://doi.org/10.7937/E7KH-R486
├── 只知道名字
│ ├── 精确："Cancer Moonshot Biobank" CMB-GEC
│ └── 站内：site:cancerimagingarchive.net cmb-gec
├── 只知癌种
│ ├── gastroesophageal cancer TCIA
│ └── 补充：esophageal / GEJ cancer imaging
└── 想找全家族
└── TCIA browse-collections，筛 CMB- 前缀
附录 S：双口径/多口径登记表
| 事实 | 口径 A | 口径 B | 口径 C | 采用 |
|---|---|---|---|---|
| 患者数 | 集合页 27（去重） | Radiology 12 | Pathology 26 | A（基准），B/C 作分模态 |
| 程序页 vs browse | 12 / 26 | 27 | — | 同 A 判定 |
| 数据大小 | Summary 36.37GB | 分桶 22.13+2.24+12=36.37 | — | 一致（巧合吻合） |
| 病理许可 | V7 起 NIH Controlled | V6 之前表述模糊 | — | V7 起口径 |
附录 T：维护计划与触发点
| 触发点 | 行动 |
|---|---|
| 新版本发布（V10+） | 更新 §4 版本表、§2 规模数字、附录 G |
| 患者数变化 | 更新附录 I 口径表 |
| 许可政策变更 | 更新 §6、附录 L |
| 新关联分析结果 | 更新 §9.4 |
| CMS/TCIA 平台变更 | 更新获取流程（§6.2/6.3） |
核心提醒：CMB-GEC 是 Ongoing 数据集，本条目所有数字基于 Version 9 / 2026-07-02，须定期刷新。
附录 U：常见误用清单
| 误用 | 后果 | 正确做法 |
|---|---|---|
| 把 12+26=38 当患者数 | 数字错误 | 用去重的 27 |
| 整集标 CC BY 4.0 | 忽视病理受控 | 分数据类型声明许可 |
| 用 DICOM 绝对日期做时序 | 时间全错 | 用距入组天数戳 |
| 引用不带版本号 | 无法复现 | 带 Version 9 + DOI |
| 用浏览器直下病理 | 卡住/失败 | 装 IBM Aspera Connect |
| 把 CMB 计划 1000 患者当集合规模 | 规模误判 | GEC 只有 27 |
| 只搜 gastric cancer | 漏检 | 搜 gastroesophageal/esophageal |
| 与 cmb-cmexam 合并 | 张冠李戴 | 二者无血缘 |
附录 V：术语表
| 术语 | 英文 | 释义 |
|---|---|---|
| 癌症登月生物样本库 | Cancer Moonshot Biobank (CMB) | NCI 的国家级肿瘤生物样本库计划 |
| TCIA | The Cancer Imaging Archive | 肿瘤影像公共档案平台 |
| NCORP | NCI Community Oncology Research Program | NCI 社区肿瘤研究计划（采集站点） |
| dbGaP | Database of Genotypes and Phenotypes | 基因型/表型受控数据库 |
| CTDC | Clinical Translational Data Commons | 临床转化数据共享平台 |
| IDC | Imaging Data Commons | 影像数据共享平台 |
| WSI | Whole Slide Image | 全切片图像 |
| SVS | — | Aperio 全切片图像格式 |
| DICOM | Digital Imaging and Communications in Medicine | 医学影像标准格式 |
| GEJ | Gastroesophageal Junction | 胃食管交界 |
| 距入组天数 | Days from enrollment | 影像相对入组的时间戳 |
| 去标识化 | De-identification | 移除/变换可识别信息 |
附录 W：引文规范
官方数据引用（含版本，必用）：
Cancer Moonshot Biobank. (2022). Cancer Moonshot Biobank – Gastroesophageal Cancer Collection (CMB-GEC) (Version 9) [dataset]. The Cancer Imaging Archive. https://doi.org/10.7937/e7kh-r486
强制致谢语句：
Data used in this publication were generated by the National Cancer Institute’s Cancer Moonshot Biobank.
本条目引用建议：引用时注明"数据版本 Version 9、抓取时点 2026-10-09、患者数口径 27（去重）"。
附录 X：本条目生产档案
| 项 | 值 |
|---|---|
| 条目 slug | cmb-gec |
| 代理 | agent-d-cmbgec |
| 抓取时点 | 2026-10-09 |
| 网络预算 | WebFetch 3 次 / WebSearch 1 次（≤6/≤3，符合） |
| 主要来源 | TCIA 集合页 + 程序页 + browse-collections 列表页 |
| 环境 | cancerimagingarchive.net curl 不可达，全走 WebFetch |
| 数据快照 | Version 9 / 2026-07-02 |
附录 Y：FAIR/AI-Ready 检查单
| 原则 | 满足度 | 说明 |
|---|---|---|
| F 可发现（Findable） | 高 | DOI + 独立集合页 |
| A 可获取（Accessible） | 中 | 影像开放，病理/组学受控 |
| I 可互操作（Interoperable） | 高 | DICOM/SVS 标准格式 |
| R 可复用（Reusable） | 中高 | 结构清晰但需自建标签、动态更新 |
附录 Z：缩写速查
| 缩写 | 全称 |
|---|---|
| CMB | Cancer Moonshot Biobank |
| GEC | Gastroesophageal Cancer |
| TCIA | The Cancer Imaging Archive |
| NCI | National Cancer Institute |
| NCORP | NCI Community Oncology Research Program |
| dbGaP | Database of Genotypes and Phenotypes |
| CTDC | Clinical Translational Data Commons |
| IDC | Imaging Data Commons |
| WSI | Whole Slide Image |
| DICOM | Digital Imaging and Communications in Medicine |
| GEJ | Gastroesophageal Junction |
| PT | PET（正电子发射断层） |
附录 AA：基于本数据集的研究检查清单（12 项）
[ ] 1. 明确研究问题（分割/影像组学/响应预测/多模态）
[ ] 2. 确认所需数据在开放桶还是受控桶
[ ] 3. 记录所用版本（Version 9）与抓取日期
[ ] 4. 开放影像：TCIA Data Retriever 或 IDC
[ ] 5. 受控数据：完成 NIH/dbGaP 申请
[ ] 6. 病理：安装 IBM Aspera + 授权凭证
[ ] 7. 时间对齐：用 tag (0012,0053)
[ ] 8. 患者 ID 口径统一（V4 起去前缀）
[ ] 9. 患者数按口径引用（27 去重）
[ ] 10. 自建标签（无官方 GT）
[ ] 11. 引用官方格式 + 致谢语句
[ ] 12. 跨集合研究：对齐各子集患者数/模态
附录 AB：数据类型字典（概述）
| 数据类型 | 关键字段/内容 | 格式 |
|---|---|---|
| 放射影像 | Study/Series/SOP、模态、距入组天数 | DICOM |
| 病理切片 | 切片图像、金字塔层级 | SVS |
| 病理元数据 | 切片关联、患者关联 | JSON |
| 临床（外部） | 事件、随访、入组 | dbGaP/CTDC |
附录 AC：检索路径示范（关键词组合）
| 场景 | 组合 |
|---|---|
| 精确定位 | "CMB-GEC" "Cancer Moonshot Biobank" |
| DOI 直取 | 10.7937/E7KH-R486 |
| 站内浏览 | site:cancerimagingarchive.net cmb |
| 癌种影像 | gastroesophageal cancer CT PET TCIA |
| 家族全览 | "Cancer Moonshot Biobank" TCIA collections |
| 消歧 | "Cancer Moonshot Biobank" NOT benchmark |
附录 AD：与其它 TCIA 生物样本库型集合的对照
| 集合 | 类型 | 备注 |
|---|---|---|
| CMB 系列（本条目家族） | 纵向多癌种队列 | 9 子集 |
| CFB-GBM | 胶质母细胞瘤队列 | 单独计划 |
| 其它单病种 TCIA 集合 | 多为挑战赛/单次采集 | 无纵向设计 |
要点：CMB 系列的"纵向 + 多癌种 + 统一协议"是其区别于多数 TCIA 单病种集合的标志。
附录 AE：30 秒决策卡（重复强调）
| 你的情况 | 行动 |
|---|---|
| 只要放射影像 | TCIA Data Retriever / IDC（CC BY 4.0） |
| 要病理 | NIH 受控申请 + IBM Aspera |
| 要基因组/临床 | dbGaP（受控）/ CTDC（开放） |
| 要纵向分析 | tag (0012,0053) |
| 要引用 | 官方格式 + Version 9 + DOI |
| 要跨癌种 | CMB 九子集，先对齐口径 |
附录 AF：条目一句话总结
CMB-GEC 是 NCI 癌症登月生物样本库的胃食管癌影像子集——27 名患者、36.37 GB、CT/MR/PET + 全切片病理、放射影像开放而病理受控，凭"纵向时间对齐"与"影像-病理-组学可关联"成为研究真实世界肿瘤 AI 的一份小而有代表性的样本。
§12 延伸阅读与结论
12.0 数据字典补充：三张数据表字段一览
| 表 | 关键字段 | 示例值 |
|---|---|---|
| Radiology（DICOM） | PatientID / StudyUID / SeriesUID / Modality / StudyDate（去标识）/ (0012,0053) | MSB-00001 / CT / 1960-01-03 |
| Histopathology（SVS+JSON） | PatientID / SlideID / 病理元数据 | MSB-00002 / slide-1 |
| 外部临床（dbGaP） | SubjectID / 事件 / 随访 | 需授权后查看 |
12.0.1 三源互证记录
| 来源页 | URL 片段 | 提取结论 |
|---|---|---|
| TCIA 集合页 | /collection/cmb-gec/ | 27 / 36.37GB / V9 / 许可双轨 |
| TCIA 程序页 | /research/cmb | 至少 1000 患者 / 9 子集 / 分模态患者数 |
| TCIA browse 列表 | /browse-collections/ | 家族 9 子集患者数全景 |
12.1 本条目解决了哪些核心疑问
| 疑问 | 结论 | 参见 |
|---|---|---|
| 它是什么 | 国家生物样本库的胃食管癌影像子集 | §1、§3 |
| 多大 | 27 患者 / 36.37 GB（Version 9） | §2 |
| 有多少数据 | 38,709 放射图像 + 32 全切片 | §2.3、§2.4 |
| 能自由用吗 | 影像可以（CC BY），病理不行（受控） | §6 |
| 为什么患者数对不上 | 27 是去重，12/26 是分模态 | §9.1 |
| 会影响我的分析吗 | 会——假日期、版本漂移、ID 变更 | §4、§5、§9 |
| 值得用吗 | 小样本、纵向、多模态：适合探索与合规研究 | §7、§11 |
12.2 三条给未来使用者的核心提醒
- 先分清许可桶再动手。开放影像与受控病理是两扇门，走错门会白等（§6）。
- 引用锁定版本。CMB-GEC 是 Ongoing 数据集，不写 Version 9 与抓取日期，你的结果无法复现（§4.5、§5.3）。
- 时间用相对、不用绝对。DICOM 日期是去标识化的假日期，纵向分析必须用"距入组天数"戳（坑 4）。
12.3 关于本条目
本条目基于 2026-10-09 对 TCIA 官方页面的实抓撰写，所有数字对应 CMB-GEC Version 9（2026-07-02）快照。因 cancerimagingarchive.net 在本环境 curl 不可达，全部来源经 WebFetch 获取，经集合页、程序页、browse-collections 列表页三源互证。数据集的动态性意味着本条目需随版本更新维护（附录 T）。
12.4 结语
CMB-GEC 的体量在肿瘤影像数据集里排不上号，但它代表了一种越来越重要的数据范式：国家级队列把真实临床过程（纵向影像、病理、组学、随访）系统性地开放给研究界。它不给你现成的标签去刷分，而是给你一个"能问真问题"的数据结构。对有志于把医学 AI 从"基准刷分"推向"临床可用"的研究者，CMB-GEC 及其 CMB 家族，是一份值得认真对待的样本。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- cmb-aml — 共享标签：医学影像 / 病理图像 / 多模态 / 队列研究 / 肿瘤学
- cmb-crc — 共享标签：医学影像 / CT / 病理图像 / 多模态 / 肿瘤学
- hnscc-ct-atlas — 共享标签：医学影像 / CT / 队列研究 / 肿瘤学
- hancock-hnscc — 共享标签：病理图像 / 多模态 / 队列研究 / 肿瘤学
- histai-wsi — 共享标签：医学影像 / 病理图像 / 队列研究 / 肿瘤学
- cptac-imaging — 共享标签：医学影像 / CT / 病理图像 / 肿瘤学
- head-neck-pet-ct — 共享标签：医学影像 / CT / 多模态 / 肿瘤学
- patchgastricadc22 — 共享标签：医学影像 / 病理图像 / 多模态 / 肿瘤学
- multi-oscc-histopath — 共享标签：医学影像 / 病理图像 / 多模态 / 肿瘤学
- ocelot — 共享标签：医学影像 / 病理图像 / 肿瘤学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
