GDC 特殊应答者项目：Exceptional Responders
共收录 84 例病例、1,826 个文件，总大小 4393.2 GB，包含临床、生物样本、RNA-Seq、WXS、甲基化及影像数据，分为开放与受控访问层级，可用于肿瘤基因组学与特殊应答机制研究（来源 p
基本信息
资源简介
GDC 特殊应答者项目：Exceptional Responders
该数据集来自 NCI Genomic Data Commons，项目名为 EXCEPTIONAL_RESPONDERS-ER，聚焦对治疗产生特殊应答的肿瘤病例。原发部位涵盖食管、胃、皮肤、未知部位及膀胱，疾病类型包括 Neoplasms, NOS、Complex Mixed and Stromal Neoplasms、Adenomas and Adenocarcinomas、Gliomas、Myomatous Neoplasms 等。共收录 84 例病例、1,826 个文件，总大小 4393.2 GB，包含临床、生物样本、RNA-Seq、WXS、甲基化及影像数据，分为开放与受控访问层级，可用于肿瘤基因组学与特殊应答机制研究（来源 p。
【主题与分类】
主题标签：Neoplasms, NOS、Complex Mixed and Stromal Neoplasms、Adenomas and Adenocarcinomas、Gliomas、Myomatous Neoplasms、Nevi and Melanomas、Epithelial Neoplasms, NOS、Ductal and Lobular Neoplasms、Squamous Cell Neoplasms。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://portal.gdc.cancer.gov/projects/EXCEPTIONAL_RESPONDERS-ER
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/EXCEPTIONAL_RESPONDERS-ER
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 4717.14 GB。
数据说明
GDC project EXCEPTIONAL_RESPONDERS-ER (Exceptional Responders). Primary site: Esophagus, Stomach, Skin, Unknown, Bladder. Disease type: Neoplasms, NOS, Complex Mixed and Stromal Neoplasms, Adenomas and Adenocarcinomas, Gliomas, Myomatous Neoplasms. Program: EXCEPTIONAL_RESPONDERS. Cases: 84. Files: 1,826. Total size: 4393.2 GB. NCI Genomic Data Commons harmonized cancer genomics project (clinical, biospecimen, RNA-Seq, WXS, methylation and imaging data; open and controlled access tiers).
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。
