TCIA 脑肿瘤进展数据集
该数据集包含20名胶质母细胞瘤患者在化学放射治疗后及肿瘤进展时的两次脑部MRI影像，数据模态涵盖T1加权、FLAIR、T2加权、ADC、灌注参数及肿瘤掩膜，主要用于支持深度学习算法在预测脑肿瘤进展方面的性能评估，适用于医学影像分析、肿瘤生长建模和临床预后预测等研究方向。
基本信息
资源简介
TCIA 脑肿瘤进展数据集
【一句话概览】
TCIA Brain-Tumor-Progression 数据集包含 20 名原发性新诊断胶质母细胞瘤受试者，他们接受手术、标准伴随化学放射疗法及辅助化疗。每名患者有两次 MRI 检查：CRT 完成后 90 天内和进展时。图像为 DICOM 格式，含 T1w、FLAIR、T2w、ADC、标准化脑血流量及相对脑血容量和二进制肿瘤掩模，灌注图像由 GRE-EPI DSC 生成，所有系列与 T1 C 共同配准。该数据集旨在评估深度学习算法预测肿瘤进展的性能（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《TCIA Brain-Tumor-Progression》。
【数据内容】
源站原始描述：该集合包括来自20名原发性新诊断为胶质母细胞瘤的受试者的数据集，这些受试者接受了手术和标准的伴随化学放射疗法 (CRT)，然后进行了辅助化疗。每名患者包括两次MRI检查: 在CRT完成后90天内和进展时 (临床确定，并基于临床表现和/或影像学检查结果的组合，并通过治疗或干预的改变来进行)。所有图像集均为DICOM格式，并包含T1w (造影剂前和造影剂后)，FLAIR，T2w，ADC，标准化的脑血流量，标准化的相对脑血容量，标准化的相对脑血容量和二进制肿瘤掩模 (使用T1w图像生成)。灌注图像是在预加载造影剂后由动态敏感性对比 (GRE-EPI DSC) 成像生成的。所有系列都与T1 C图像共同配准。该数据集的目的是评估深度学习算法的性能，以预测肿瘤的进展。
中文译文（机器翻译，仅供快速理解，请以原文为准）：该集合包括来自20名原发性新诊断为胶质母细胞瘤的受试者的数据集，这些受试者接受了手术和标准的伴随化学放射疗法 (CRT)，然后进行了辅助化疗。每名患者包括两次MRI检查: 在CRT完成后90天内和进展时 (临床确定，并基于临床表现和/或影像学检查结果的组合，并通过治疗或干预的改变来进行)。所有图像集均为DICOM格式，并包含T1w (造影剂前和造影剂后)，FLAIR，T2w，ADC，标准化的脑血流量，标准化的相对脑血容量，标准化的相对脑血容量和二进制肿瘤掩模 (使用T1w图像生成)。灌注图像是在预加载造影剂后由动态敏感性对比 (GRE-EPI DSC) 成像生成的。所有系列都与T1 C图像共同配准。该数据集的目的是评估深度学习算法的性能，以预测肿瘤的进展。
【主题与分类】
主题标签：脑肿瘤、胶质母细胞瘤、MRI、DICOM、深度学习、肿瘤进展预测。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/TCIA_Brain-Tumor-Progression
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://opendatalab.org.cn/OpenDataLab/TCIA_Brain-Tumor-Progression
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:
数据说明
该数据集是一个针对胶质母细胞瘤（GBM）的医学影像数据集，收集了20名新诊断患者的脑部磁共振成像（MRI）数据。数据集包含每位患者在完成化学放射治疗（CRT）后90天内以及肿瘤进展时的两次MRI检查，影像模态包括T1加权（造影剂前后）、FLAIR、T2加权、ADC、标准化的脑血流量、标准化的相对脑血容量以及二值化肿瘤掩膜。所有影像均以DICOM格式存储，并经过与T1 C图像的配准处理。该数据集主要用于评估深度学习算法在预测脑肿瘤进展方面的性能，支持医学影像分析、肿瘤生长建模和预后预测等研究方向。
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。
