TCGA-BRCA 乳腺癌数据集 (含帕杰特病病例)
TCGA-BRCA 是大规模乳腺癌多模态数据集，包含临床表格数据、全视野数字切片(WSI)病理图像、基因组学及转录组学数据。由National Cancer Institute & National Human Genome Research Institute提供，来自GDC Data Portal，包含1098条数据记录，适用于分类任务，许可证为Open Access (with GDC Data Policy)。
基本信息
资源简介
TCGA-BRCA 乳腺癌数据集 (含帕杰特病病例)
【数据集背景】
本数据集源站标题为《Breast Invasive Carcinoma》。
【数据内容】
源站原始描述：disease_type: Cystic, Mucinous and Serous Neoplasms, Adenomas and Adenocarcinomas, Fibroepithelial Neoplasms, Basal Cell Neoplasms, Ductal and Lobular Neoplasms, Epithelial Neoplasms, NOS, Squamous Cell Neoplasms, Complex Epithelial Neoplasms, Adnexal and Skin Appendage Neoplasms；primary_site: Breast；data categories: Simple Nucleotide Variation, Sequencing Reads, Biospecimen, Clinical, Copy Number Variation, Transcriptome Profiling, DNA Methylation, Proteome Profiling, Somatic Structural Variati…
【主题与分类】
主题标签：[''Cystic, Mucinous and Serous Neoplasms'', ''Adenomas and Adenocarcinomas'', ''Fibroepithelial Neoplasms'', ''Basal Cell Neoplasms'', ''Ductal and Lobular Neoplasms'', ''Epithelial Neoplasms, NOS'', ''Squamous Cell Neoplasms'', ''Complex Epithelial Neoplasms'', ''Adnexal and Skin Appendage Neoplasms'']、[''Breast'']。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://portal.gdc.cancer.gov/projects/TCGA-BRCA
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。
需登录公开下载
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。
暂未开放有偿下载
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
源站：https://portal.gdc.cancer.gov/projects/TCGA-BRCA
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:
数据集大小约 12000.00 GB。
数据说明
TCGA-BRCA 是大规模乳腺癌多模态数据集，包含临床表格数据、全视野数字切片(WSI)病理图像、基因组学及转录组学数据。数据集中包含少量罕见的乳腺帕杰特病及伴随浸润性导管癌的病理和多 omics 样本。
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。
