TCIA CMB-AML

数据集获取

源站：https://cancerimagingarchive.net/collection/cmb-aml

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

Cancer Moonshot Biobank 是美国国家癌症研究所（National Cancer Institute，NCI）的一项计划，旨在支持当前及未来有关耐药性和敏感性的研究，以及其他由 NCI 资助的癌症研究计划，目标是增进研究人员对癌症以及如何干预癌症发生和进展的理解。在本研究过程中，将纵向采集至少 1000 名、涵盖至少 10 种癌症类型患者的生物标本（在医疗操作过程中采集的血液和组织）及相关数据，这些患者正在多个 NCI Community Oncology Research Program (NCORP) 站点接受标准癌症治疗。本数据集包含从 NCI 的 Cancer Moonshot Biobank - Acute Myeloid Leukemia Cancer (CMB-AML) 队列受试者中获取的去标识化放射学和组织病理学影像。相关的基因组、表型和临床数据将由 The Database of Genotypes and Phenotypes (dbGaP) 及其他 NCI 数据库托管。Cancer Moonshot Biobank 影像工作的摘要可在 Cancer Moonshot Biobank Imaging 页面找到。

详细说明

引言

TCIA 上的 Biobank 放射影像数据包含每次扫描的“自入组（注册）起的天数”，该信息嵌入在 DICOM 文件（DICOM 标签 (0012,0053)）中。这使得 TCIA 上的影像与 Biobank Catalog 中的临床事件数据之间能够进行时间对齐。

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。