CGCI-HTMCP-CC：HIV+肿瘤分子特征项目宫颈癌全切片图像DICOM转换数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22837314

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。

数据集大小约 168.8 KB。

数据说明

本数据集对应于美国国家癌症研究所影像数据共享平台（IDC）提供的一系列图像和/或源自图像的数据。该数据集已被IDC团队转换为DICOM格式并收录。您可以使用IDC门户网站探索并可视化相应的图像。您可以利用本Zenodo记录中包含的清单文件，按照下方下载指南下载该数据集。美国国家癌症研究所癌症基因组学办公室资助了一系列研究，作为癌症基因组特征化计划（CGCI）的一部分，旨在评估癌症领域新兴的测序技术。CGCI计划包括对不同儿童和/或成人肿瘤中发现的遗传异常进行全面表征。作为CGCI的一部分，HIV+肿瘤分子特征化项目（HTMCP）是癌症基因组学办公室（OCG）与HIV和AIDS恶性肿瘤办公室（OHAM）的联合努力。其目标是表征从HIV感染患者获得的HIV相关癌症，并将其与未感染HIV患者的相同类型癌症进行比较。

全球约有3420万人感染艾滋病毒。艾滋病毒感染者患癌症和死亡的风险较高，癌症是艾滋病毒/艾滋病患者的主要死因之一。不列颠哥伦比亚癌症机构基因组科学中心对100例配对肿瘤和生殖细胞DNA进行了全基因组测序，并对HIV阳性肿瘤进行了转录组测序。宫颈癌是一种在宫颈组织中缓慢形成的癌症，几乎总是由人乳头瘤病毒（HPV）感染引起。在对各种HPV相关恶性肿瘤的全面评估中，基于其对死亡率的影响以及高质量源组织的普及率，宫颈癌被选为研究对象。该数据集包含来自GDC CGCI-HTMCP-CC项目中212例病例中的211例的DICOM转换全切片图像（db

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。