TCIA CPTAC-GBM 胶质母细胞瘤影像数据集
该集合包含来自美国国家癌症研究所临床蛋白质组肿瘤分析联盟胶质母细胞瘤（CPTAC-GBM）队列的受试者。GBM验证队列补充了来自CHOP（费城儿童医院）-Upenn的回顾性样本
基本信息
资源简介
TCIA CPTAC-GBM 胶质母细胞瘤影像数据集
TCIA CPTAC-GBM 是一个聚焦胶质母细胞瘤的公开影像数据集，归属于肿瘤与脑肿瘤分类，发布在 cancerimagingarchive.net 上。该数据集汇集了来自美国国家癌症研究所临床蛋白质组肿瘤分析联盟（CPTAC）胶质母细胞瘤（CPTAC-GBM）队列的受试者，其 GBM 验证队列还补充了来自 CHOP（费城儿童医院）-Upenn 的回顾性样本。数据集旨在通过公开影像资源，帮助研究人员探索可能与蛋白质组、基因组及临床数据相关联的肿瘤表型。
【数据集背景】
CPTAC 是一项国家级计划，致力于通过大规模蛋白质组与基因组分析（即蛋白质基因组学）加速对癌症分子基础的理解。作为该计划的一部分，来自 CPTAC 患者的放射学与病理学图像由 The Cancer Imaging Archive 收集并向公众开放，以便研究人员考察癌症表型与相应蛋白质组、基因组和临床数据之间的潜在关联。每种癌症类型的影像都收录在各自独立的 TCIA 集合中，集合名称采用“CPTAC-癌症类型”的形式，本数据集即对应胶质母细胞瘤这一类型。
【数据内容】
该集合包含来自 CPTAC-GBM 队列的受试者影像。源站描述指出，GBM 验证队列补充了来自 CHOP-Upenn 的回顾性样本。关于具体的图像模态构成、病例数量、文件格式与目录结构，源站未提供。
【采集与来源】
放射学影像采集自标准诊疗过程（源站描述在此处中断，未给出完整细节）。数据来源于美国国家癌症研究所 CPTAC 胶质母细胞瘤队列，并补充了 CHOP-Upenn 的回顾性样本。影像与病理图像由 The Cancer Imaging Archive 收集并公开。关于采集设备参数、扫描协议与时间跨度，源站未提供。
【适用场景】
该数据集适用于研究与胶质母细胞瘤表型相关的影像特征，并可与对应的蛋白质组、基因组和临床数据进行关联分析，服务于蛋白质基因组学导向的癌症研究。关于具体的基准任务或已验证的应用案例，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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。
暂未开放公开下载
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。
免登录有偿下载
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://cancerimagingarchive.net/collection/cptac-gbm
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 195.50 GB。
数据说明
TCIA collection CPTAC-GBM. Modality: unknown. Body part: unknown.
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。
