TCIA CMB-BRCA

数据集获取

源站：https://cancerimagingarchive.net/collection/cmb-brca

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

Cancer Moonshot Biobank 是美国国家癌症研究所（National Cancer Institute, NCI）的一项倡议，旨在支持当前及未来对耐药性和敏感性以及其他 NCI 资助的癌症研究项目的研究，目标是增进研究人员对癌症以及如何干预癌症发生和进展的理解。在本研究过程中，将纵向收集来自至少 1000 名患者（涵盖至少 10 种癌症类型）的生物标本（医疗过程中采集的血液和组织）及相关数据；这些患者正在多个 NCI 社区肿瘤研究计划（NCORP）站点接受标准治疗癌症治疗。本集合包含从 NCI 的 Cancer Moonshot Biobank——浸润性乳腺癌（CMB-BRCA）队列受试者中获取的去标识化放射学和组织病理学影像。相关的基因组、表型和临床数据将由基因型和表型数据库（dbGaP）及其他 NCI 数据库托管。Cancer Moonshot Biobank 影像工作的概要可在 Cancer Moonshot Biobank Imaging 页面找到。详细说明 引言 TCIA 上的生物样本库放射学影像数据包含每次扫描的“自入组（注册）以来的天数”，该信息嵌入在 DICOM 文件（DICOM 标签 (0012,0053)）中。这允许在 TCIA 上的影像与 Biobank Cat 上的临床事件数据之间进行时间对齐。

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。