TCIA FDG-PET-CT病灶数据集
该数据集在来源站页面上仅给出「View this dataset for more details.」这样一句指引性文字，没有说明数据集的建设背景、发起机构、研究目标或立项时间等信息，因此无法就这些内容作出介绍
基本信息
资源简介
TCIA FDG-PET-CT病灶数据集
TCIA FDG-PET-CT-Lesions 是来自癌症影像档案库（来源站点为 cancerimagingarchive.net）的一个公开数据集，在本站被归入「肿瘤 / 其他」类别，其英文名称由 TCIA、FDG-PET-CT 与 Lesions 几个部分构成。
【数据集背景】
源站未提供。该数据集在来源站页面上仅给出「View this dataset for more details.」这样一句指引性文字，没有说明数据集的建设背景、发起机构、研究目标或立项时间等信息，因此无法就这些内容作出介绍。名称中所含的 FDG-PET-CT 与 Lesions 字样，是该数据集对外呈现的主要主题线索，但来源站并未对其具体含义作进一步解释。
【数据内容】
源站未提供。来源站页面未说明该数据集包含多少个病例、多少组影像、多少例病灶标注，也未说明数据以何种形式组织，例如是否以 DICOM 影像序列、分割掩膜、结构化表格或其他格式提供，同样未提及是否附有临床信息、随访记录或病理结果。因此，关于数据规模、字段构成与组织方式的具体情况，本文无法给出。
【采集与来源】
该数据集来源于癌症影像档案库（cancerimagingarchive.net），在本站被划入「肿瘤 / 其他」分类。除此之外，源站未提供关于成像设备、采集参数、扫描时间范围、受试者招募方式、参与机构以及人群构成方面的任何说明。
【适用场景】
该数据集在本站被归入肿瘤相关分类之下，从分类归属看，其面向的是与肿瘤影像有关的使用方向；但源站未提供关于具体适用场景的说明，包括是否用于病灶检出、分割算法训练与评测、影像组学分析或其他研究目的，均无对外信息可供参考。
【使用方法】
源站未提供。来源站页面没有给出下载途径、目录结构说明、数据读取步骤或配套工具方面的指引，使用者需要自行前往来源站页面查看进一步说明。
【质量与限制】
源站未提供。来源站页面未披露数据完整性、标注一致性、图像质量、样本偏倚以及使用过程中的注意事项等信息，这些方面需要在获取数据后自行评估。
【引用与许可】
该数据集的使用须遵循来源站公布的数据使用政策，相关说明见 https://www.cancerimagingarchive.net/data-usage-policies-and ，这一地址也是该数据集在许可方面对外提供的依据。除该政策链接之外，源站未提供应引用的具体文献或致谢格式方面的信息。
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://cancerimagingarchive.net/collection/fdg-pet-ct-lesions
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 837.80 GB。
数据说明
TCIA 数据集 FDG-PET-CT-Lesions。模态：未知。身体部位：未知。
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。
