IDC CGCI-HTMCP-CC 宫颈癌全切片图像数据集

数据集获取

源站：https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=cgci_htmcp_cc

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

IDC 数据集 CGCI-HTMCP-CC。癌症类型：宫颈鳞状细胞癌。肿瘤部位：子宫颈。受试者：211 例。来自 HIV+ 肿瘤分子特征研究项目-宫颈癌（HTMCP-CC）中 211 名受试者的 H&E 染色和免疫组织化学染色组织切片的 DICOM 转换全切片图像，该项目是癌症基因组特征研究计划（CGCI）的一部分。该数据集包含 525 张切片，大多数受试者具有 H&E 和 p16 染色，部分受试者还包含额外的 IHC 标记物（BER-EP4、MOC31、P40、P63、CEA、ER、PR、VIM、TP53、CD56、CHR、SYN）。原始 Aperio SVS 切片图像来自 GDC，并转换为 DICOM 切片显微成像格式。请访问 CGCI-HTMCP-CC Zenodo 页面（https://doi.org/10.5281/zenodo.17381404）以了解有关这些图像的更多信息，并获取该数据集的任何支持性元数据。

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。