HCMI-CMDC：来自人类癌症模型倡议癌症模型开发中心的DICOM转换全切片图像

数据集获取

源站：https://doi.org/10.5281/zenodo.22837339

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。

数据集大小约 271.7 KB。

数据说明

本数据集对应于美国国家癌症研究所影像数据共享平台（IDC）提供的一系列图像及/或图像衍生数据。该数据集已被IDC团队转换为DICOM格式并录入。您可以通过IDC门户探索并可视化相应的图像。利用本Zenodo记录中包含的清单，按照下方下载指南即可下载该集合。人类癌症模型计划（HCMI）是一个由美国国家癌症研究所（NCI）、英国癌症研究中心（CRUK）、胡布雷希特类器官技术（HUB）基金会以及韦尔科姆桑格研究所共同支持的国际合作联盟。HCMI致力于生成新型人类癌症培养模型——包括类器官、条件重编程细胞及其他下一代癌症模型——并附有基因组和临床数据注释，以加速下一代癌症研究。NCI通过支持四个癌症模型开发中心（CMDC）对该计划作出贡献。本集合包含了GDC HCMI-CMDC项目（dbGaP登录号phs001486）中805例病例里的382例的DICOM转换全切片图像。

专有格式的全切片图像从GDC获取，并使用idc-wsi-conversion转换为DICOM Slide Microscopy (SM)格式。这810张切片包括H&E染色（苏木精-伊红）冷冻切片肿瘤标本（633张）、FFPE肿瘤标本（92张）、冷冻切片正常标本（75张）、FFPE正常标本（6张）以及额外的H&E肿瘤标本（4张）。该集合涵盖了多种癌症类型和解剖部位。在转换为DICOM的子集中，最常见的诊断包括浸润性导管癌（101名患者）、非特指型腺癌（93名）、胶质母细胞瘤（41名）、恶性黑色素瘤（23名）、转移性腺癌（14名）、小叶癌（9名）、黏液腺癌（7名）、鳞状细胞癌（6名）、浆液性癌（6名）以及肾母细胞瘤（5名）等。原发部位包括

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。