GDC CCDI-MCI：分子特征分析计划
该数据集来自 GDC 的 CCDI-MCI 项目，覆盖口腔及其他未特指部位、直肠乙状结肠交界、甲状腺、结缔组织及皮下软组织、周围神经和自主神经系统等原发部位，疾病类型包括囊性、黏液性和浆液性肿瘤、颗粒细胞瘤和腺泡状软组织肉瘤、特化性腺肿瘤、NOS 肿瘤、腺瘤和腺癌等
基本信息
资源简介
GDC CCDI-MCI：分子特征分析计划
该数据集来自 GDC 的 CCDI-MCI 项目，覆盖口腔及其他未特指部位、直肠乙状结肠交界、甲状腺、结缔组织及皮下软组织、周围神经和自主神经系统等原发部位，疾病类型包括囊性、黏液性和浆液性肿瘤、颗粒细胞瘤和腺泡状软组织肉瘤、特化性腺肿瘤、NOS 肿瘤、腺瘤和腺癌等。数据集包含 3,076 例病例、51,298 个文件，总大小 642059.8 GB，提供临床、生物样本、RNA-Seq、WXS、甲基化和影像数据，分开放与受控访问层级，可用于肿瘤分子特征分析与分类研究（来源 portal.gdc.cancer.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：GDC 项目 CCDI-MCI（分子特征分析计划）。原发部位：口腔及其他未特指部位、直肠乙状结肠交界、甲状腺、结缔组织、皮下及其他软组织、周围神经和自主神经系统。疾病类型：囊性、黏液性和浆液性肿瘤，颗粒细胞瘤和腺泡状软组织肉瘤，特化性腺肿瘤，NOS 肿瘤，腺瘤和腺癌。计划：CCDI。病例数：3,076。文件数：51,298。总大小：642059.8 GB。NCI 基因组数据共享平台协调的癌症基因组学项目（临床、生物样本、RNA-Seq、WXS、甲基化和影像数据；开放和受控访问层级）。
【主题与分类】
主题标签：Cystic, Mucinous and Serous Neoplasms、Specialized Gonadal Neoplasms、Neoplasms, NOS、Adenomas and Adenocarcinomas、Gliomas、Meningiomas、Acinar Cell Neoplasms、Odontogenic Tumors、Soft Tissue Tumors and Sarcomas, NOS、Nevi and Melanomas。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://portal.gdc.cancer.gov/projects/CCDI-MCI
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://portal.gdc.cancer.gov/projects/CCDI-MCI
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 689406.50 GB。
数据说明
GDC项目CCDI-MCI（分子特征描述计划（MCI））。原发部位：口腔其他及未特指部位、直肠乙状结肠交界处、甲状腺、结缔组织、皮下组织及其他软组织、周围神经和自主神经系统。疾病类型：囊性、黏液性和浆液性肿瘤，颗粒细胞瘤和腺泡状软组织肉瘤，特化性腺肿瘤，肿瘤NOS，腺瘤和腺癌。项目：CCDI。病例数：3,076。文件数：51,298。总大小：642059.8 GB。NCI基因组数据共享平台协调化癌症基因组学项目（临床、生物样本、RNA测序、全外显子组测序、甲基化和影像数据；开放和受控访问层级）。
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。
