IDC HCMI-CMDC 全切片图像数据集
癌症类型：腺癌、乳腺导管癌、胶质母细胞瘤、黑色素瘤、乳腺小叶癌、黏液腺癌、鳞状细胞癌。肿瘤位置：结肠、胰腺、食管、乳腺、直肠、脑、体表皮肤、肺、胃、卵巢、膀胱器官、子宫体、肾、肝
基本信息
资源简介
IDC HCMI-CMDC 全切片图像数据集
IDC HCMI-CMDC 是一个聚焦肿瘤病理影像的公开数据集，收录了来自人类癌症模型计划（Human Cancer Models Initiative, HCMI）癌症模型开发中心（Cancer Model Development Center, CMDC）项目的全切片图像。该数据集共涉及 382 名受试者，包含 810 张经 H&E 染色的组织切片图像，覆盖福尔马林固定石蜡包埋（FFPE）与冷冻组织两种样本类型，并同时纳入肿瘤与正常标本。其癌症类型涵盖腺癌、乳腺导管癌、胶质母细胞瘤、黑色素瘤、乳腺小叶癌、黏液腺癌和鳞状细胞癌，肿瘤位置分布于结肠、胰腺、食管、乳腺、直肠、脑、体表皮肤、肺、胃、卵巢、膀胱器官、子宫体、肾和肝等多个部位。所有图像均已由原始 Aperio SVS 格式转换为 DICOM Slide Microscopy 格式，便于在标准医学影像工具链中读取与处理。
【数据集背景】
该数据集来源于人类癌症模型计划（HCMI）下属的癌症模型开发中心（CMDC）项目。HCMI-CMDC 项目致力于开发与表征新型癌症模型，而本数据集是其对应的全切片图像集合，用于支撑肿瘤病理学与影像分析相关研究。数据集在影像数据共享平台 IDC（Imaging Data Commons）中发布，来源站为 portal.imaging.datacommons.cancer.gov，属于肿瘤 / 乳腺癌分类下的资源。
【数据内容】
数据集包含 810 张 H&E 染色的全切片图像，来自 382 名受试者。样本类型包括福尔马林固定石蜡包埋（FFPE）组织和冷冻组织切片，且同时涵盖肿瘤标本与正常标本。癌症类型包括腺癌、乳腺导管癌、胶质母细胞瘤、黑色素瘤、乳腺小叶癌、黏液腺癌和鳞状细胞癌。肿瘤位置覆盖结肠、胰腺、食管、乳腺、直肠、脑、体表皮肤、肺、胃、卵巢、膀胱器官、子宫体、肾和肝。从癌种跨度看，涉及结直肠、胰腺、食管、乳腺、脑、皮肤、肺及其他部位。
【采集与来源】
原始图像为 Aperio SVS 格式的切片图像，获取自 GDC（Genomic Data Commons），随后被转换为 DICOM Slide Microscopy 格式。这一转换使得图像能够以 DICOM 标准进行存储、传输和查看，便于与医学影像分析流程集成。数据集的来源站为 portal.imaging.datacommons.cancer.gov。
【适用场景】
该数据集适用于肿瘤病理影像相关的计算分析任务，例如全切片图像的读取、可视化与处理流程验证。由于涵盖多种癌症类型与多个肿瘤位置，并同时包含肿瘤与正常标本，可用于研究不同组织来源和不同癌种之间的形态学差异。DICOM Slide Microscopy 格式也使其适合在支持 DICOM 标准的医学影像平台中使用。源站未提供更具体的适用场景说明。
【使用方法】
源站未提供具体的使用方法说明。已知图像以 DICOM Slide Microscopy 格式提供，用户可依据该格式的标准工具进行读取与处理。
【质量与限制】
源站未提供关于图像质量、标注完整性或数据偏倚等方面的具体说明。已知信息仅包括样本数量、切片数量、染色方式、样本类型和格式转换来源。
【引用与许可】
源站未提供引用方式与许可条款的具体信息。
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.imaging.datacommons.cancer.gov/explore/filters?collection_id=hcmi_cmdc
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
IDC 数据集 HCMI-CMDC。癌症类型：腺癌、乳腺导管癌、胶质母细胞瘤、黑色素瘤、乳腺小叶癌、黏液腺癌、鳞状细胞癌。肿瘤部位：结肠、胰腺、食管、乳腺、直肠、脑、体表皮肤、肺、胃、卵巢、膀胱器官、子宫体、肾、肝。受试者：382 例。来自人类癌症模型计划（HCMI）癌症模型开发中心（CMDC）项目中 382 名受试者的 H&E 染色组织切片的 DICOM 转换全切片图像。该数据集包含 810 张切片，涵盖福尔马林固定石蜡包埋（FFPE）和冷冻组织切片的 H&E 染色，包括肿瘤和正常标本。癌症类型涵盖结直肠、胰腺、食管、乳腺、脑、皮肤、肺及其他部位。原始 Aperio SVS 切片图像来自 GDC，并转换为 DICOM 切片显微术格式。请参阅 HCMI-CMDC Zenodo 页面（https://doi.org/10.5281/zenodo.17381441），以了解有关这些图像的更多信息并获取该数据集的支持性元数据。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
