RenalCLIP
RenalCLIP 是一个面向肾脏癌评估的多模态医学数据集，主要包含来自中国四家医疗中心6867名患者的21819个CT扫描序列及其对应的放射学报告文本。该数据集通过视觉（CT影像）与语言（放射报告）的对齐学习，旨在构建一个能够支持自动解剖评分、良恶性鉴别、侵袭性分层、生存预后及跨模态检索等临床任务的基础模型，为肾脏癌的精准影像诊断和智能决策提供数据支持。
基本信息
资源简介
RenalCLIP
【数据集背景】
本数据集源站标题为《dt-yuhui/RenalCLIP》。源站首次发布：2025-08-12。
【数据内容】
源站原始描述：A disease-centric vision-language foundation model for precision oncology in kidney cancer. # RenalCLIP: A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer 🎉 **RenalCLIP has been published in Nature Communications!** This repository contains the official implementation of RenalCLIP, presented in our paper, "A disease-centric vision-language foundation model for precision oncology in kidney cancer", published in *Nature Communications*. Our work introduces…
【获取与许可】
源站页面：https://github.com/dt-yuhui/RenalCLIP
使用许可：MIT。
【使用注意】
· 源站最后修改于 2026-08-01，引用时请注意版本时效。
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
git clone https://github.com/dt-yuhui/RenalCLIP.git
curl -L -o repo.zip https://github.com/dt-yuhui/RenalCLIP/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Installation
Before you start, please set up the environment with all necessary dependencies.
-
Clone the repository:
git clone https://github.com/dt-yuhui/RenalCLIP.git cd RenalCLIP -
Install dependencies:
We recommend using a virtual environment (e.g., conda). All required packages are listed inrequirements.txt.pip install -r requirements.txt
Hardware Requirements: The pre-training and fine-tuning experiments were conducted on NVIDIA A100 80GB GPUs. While most downstream fine-tuning and inference can be run on a single A100 GPU, the cross-modal pre-training stage requires a multi-GPU setup (e.g., 4 x A100 80GB).
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。
