TCGA-SurvReport
覆盖六个TCGA癌症队列的基准数据集，整合病理、临床和分子证据，用于癌症生存预测。
基本信息
资源简介
TCGA-SurvReport
【数据集背景】
本数据集源站标题为《xmed-lab/CACSurv》。源站首次发布：2026-08-17。
【数据内容】
源站原始描述：# CACSurv Official repository for **CACSurv: Concordance-Aligned Comparative Learning with Large Language Models for Cancer Survival Prediction**. Code, models, and dataset will be released here
中文译文（机器翻译，仅供快速理解，请以原文为准）：# CACSurv **CACSurv：面向癌症生存预测的协调对齐比较学习与大型语言模型**的官方代码库。代码、模型和数据集将在此发布。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://github.com/xmed-lab/CACSurv
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
git clone https://github.com/xmed-lab/CACSurv.git
curl -L -o repo.zip https://github.com/xmed-lab/CACSurv/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
CACSurv
Official repository for CACSurv: Concordance-Aligned Comparative Learning with Large Language Models for Cancer Survival Prediction.
Code, models, and dataset will be released here.
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。
