A091105肿瘤标注数据集
A091105肿瘤影像标注数据
基本信息
资源简介
A091105肿瘤标注数据集
【一句话概览】
本数据集是 TCIA 公开的影像数据集，收录 合计 266.11 MB、83 例受试者，主题涵盖 Non-Cancer，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Annotations for Sorafenib Tosylate in Treating Patients With Desmoid Tumors or Aggressive Fibromatosis》。源站首次发布：2026/02/13。
【数据内容】
源站原始描述：For each patient, all scans were reviewed to identify and annotate the clinically relevant time points and sequences/series. Scans were initially annotated by an international team of radiologists holding MBBS degrees or higher, which were then reviewed by US-based board-certified radiologists to ensure accuracy. In a typical patient all available time points were annotated. The following annotation rules were followed
中文译文（机器翻译，仅供快速理解，请以原文为准）：对于每位患者，所有扫描均经过审阅，以识别并标注临床相关的时间点和序列/系列。扫描最初由一支拥有 MBBS 或更高学位的国际放射科医生团队进行标注，随后由美国委员会认证的放射科医生审阅，以确保准确性。对于典型患者，所有可获得的时间点均进行了标注。遵循了以下标注规则：
【数据结构与技术规格】
数据集 DOI：10.7937/T8RN-J447。
【主题与分类】
主题标签：Non-Cancer。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://www.cancerimagingarchive.net/analysis-result/a091105-tumor-annotations/
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Rozenfeld, M., Jordan, P. (2023). Annotations for Sorafenib Tosylate in Treating Patients With Desmoid Tumors or Aggressive Fibromatosis (A091105-Tumor-Annotations) (Version 2) [dataset]. The Cancer Imaging Archive
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（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。
数据说明
基于A091105临床试验影像生成的肿瘤标注数据，可用于侵袭性纤维瘤病肿瘤区域分割与评估。
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
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。
