RIDER Lung CT 肺癌 CT 影像数据集
RIDER Lung CT Dataset 是用于评估非小细胞肺癌患者 CT 扫描图像的肿瘤变异性数据集，其包含 15419 张图片。该数据集包含 32 名非小细胞肺癌患者的信息，每位患者均在 15 分钟内通过相同方案进行两次胸部 CT 扫描，放射科医生则在图像中独立测量每个肿瘤的最大直径，并且计算机软件会被用于协助测
基本信息
资源简介
RIDER Lung CT Dataset 是用于评估非小细胞肺癌患者 CT 扫描图像的肿瘤变异性数据集，其包含 15419 张图片。该数据集包含 32 名非小细胞肺癌患者的信息，每位患者均在 15 分钟内通过相同方案进行两次胸部 CT 扫描，放射科医生则在图像中独立测量每个肿瘤的最大直径，并且计算机软件会被用于协助测量，并使用一致性相关系数和 Bland-Altman 图协助评估。
该数据集由癌症影像档案 TCIA 于 2015 年发布，相关论文有《Data From RIDER – Lung CT：The Cancer Imaging Archive》。
RIDER Lung CT
.torrent
做种
3
正在下载
0
已完成
1,237
总下载量
2,640
RIDER Lung CT
/
README.md
1.55 KB
README.txt
3.1 KB
data
/
RIDER Lung CT.zip
3.48 GB
RIDERLungCT_MetaData.csv
3.48 GB
MSKCC RepeatCT Lesion notes for RIDER.xls
467.6 KB
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取（TCIA 标准方式）
方式一：NBIA 搜索
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager 批量下载 DICOM。
方式二：NBIA API（程序化）
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据集大小约 3.48 GB。
数据说明
RIDER Lung CT Dataset 是用于评估非小细胞肺癌患者 CT 扫描图像的肿瘤变异性数据集，其包含 15419 张图片。该数据集包含 32 名非小细胞肺癌患者的信息，每位患者均在 15 分钟内通过相同方案进行两次胸部 CT 扫描，放射科医生则在图像中独立测量每个肿瘤的最大直径，并且计算机软件会被用于协助测量，并使用一致性相关系数和 Bland-Altman 图协助评估。 该数据集由癌症影像档案 TCIA 于 2015 年发布，相关论文有《Data From RIDER – Lung CT：The Cancer Imaging Archive》。 RIDER Lung CT .torrent 做种 3 正在下载 0 已完成 1,237 总下载量 2,640 RIDER Lung CT / README.md 1.55 KB README.txt 3.1 KB data / RIDER Lung CT.zip 3.48 GB RIDERLungCT_MetaData.csv 3.48 GB MSKCC RepeatCT Lesion notes for RIDER.xls 467.6 KB
数据加载示例（DICOM 影像）
import pydicom, glob, os
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality)
img = d.pixel_array
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 癌症（总论） 的高质量、多模态真实临床数据定制解决方案。
