ImageFeatureTCGA 数据目录

数据集获取

源站：https://doi.org/10.5281/zenodo.17981131

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 43.3 MB。

数据说明

该数据集是一个癌症相关数据文件的综合目录，主要来自癌症基因组图谱（TCGA）。它作为一份清单，为广泛的数据类型和癌症研究提供详细的元数据。该目录可用于发现和组织TCGA数据。它有助于根据特定标准快速识别和定位文件，例如癌症类型（如多形性胶质母细胞瘤；GBM）、数据类别（如生物样本）、数据类型（如切片图像）或患者/样本信息。数据以制表符分隔值（TSV）文件形式组织，带有表头行。文件中的每一行对应一个特定的数据文件，并在诸如以下列中包含详细信息：* pipeline和format：处理流程和文件格式（如hovernet、geojson）。* filename和fullpath：数据文件的名称和路径。* tcga_barcode、Case.ID、Sample.ID：患者和样本的标识符。* Data.Category和Data.Type：数据的类别和类型（如“Biospecimen”、“Slide Image”）。* Project.ID和Study.Name：与数据相关的项目和研究（如“TCGA-GBM”、“Glioblastoma multiforme”）。

• Source.Site：提供数据的机构。* 地理信息：城市、州、国家、纬度、经度。该目录可用于构建患者队列、选择特定数据类型进行分析，或通过编程方式访问和组织大量TCGA数据文件。对于需要使用多种TCGA数据并需要集中且可查询的元数据资源的研究人员来说，该目录非常有用。

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。