头颈部放射组学数据集 HN1
该数据集包含 137 例头颈部鳞状细胞癌患者的临床数据及治疗前 CT 影像模态，其中肿瘤体积已由专家手动勾画，并提取了 440 个放射组学特征，用于量化肿瘤表型、评估预后及探索与基因表达模式的关联，主要支持放射组学在癌症影像分析、预后预测及转化医学中的研究与应用。
基本信息
资源简介
头颈部放射组学数据集 HN1
【一句话概览】
本数据集是 TCIA 公开数据集，收录 合计 11.79 GB、137 例受试者，主题涵盖 Head and Neck Cancer，源站分类为 CT、SEG、RTSTRUCT、PT，CC BY-NC 3.0 许可开放获取。
【数据集背景】
本数据集源站标题为《HEAD-NECK-RADIOMICS-HN1》。源站首次发布：2020/07/29。
【数据内容】
源站原始描述：Radiomics refers to the comprehensive quantification of tumor phenotypes by applying a large number of quantitative image features. In the published analysis, 440 features quantifying tumor image intensity, shape, and texture were extracted. We found that a large number of radiomic features have prognostic power in independent data sets, many of which were not identified as significant before. Radiogenomics analysis revealed that a prognostic radiomic signature, capturing intra-tumor heterogenei…
【数据结构与技术规格】
数据集 DOI：10.7937/tcia.2019.8kap372n。
【主题与分类】
源站学科分类：CT、SEG、RTSTRUCT、PT、Demographic、Follow-Up。主题标签：Head and Neck Cancer。
【适用方向】
源站学科分类标注为 CT、SEG、RTSTRUCT、PT、Demographic、Follow-Up。
【获取与许可】
源站页面：https://www.cancerimagingarchive.net/collection/head-neck-radiomics-hn1/
使用许可：CC BY-NC 3.0（https://creativecommons.org/licenses/by-nc/3.0/）。
规范引用：Wee, L., & Dekker, A. (2019). Data from HEAD-NECK-RADIOMICS-HN1 [Data set]. 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
该数据集包含 137 名接受放射治疗的头颈部鳞状细胞癌（HNSCC）患者的临床数据与计算机断层扫描（CT）影像。每位患者治疗前的 CT 影像由经验丰富的放射肿瘤科医生手动勾画了肿瘤大体体积（GTV）的三维轮廓。数据来源于《自然·通讯》发表的研究中使用的“H&N1”数据集，采用放射组学方法，从 CT 影像中提取了 440 个量化肿瘤强度、形状和纹理的特征，用于分析肿瘤表型、预后评估及与基因表达模式的关联。该数据集旨在支持放射组学研究的可重复性与可再现性，并遵循 FAIR 原则促进数据透明、标准化与协作。
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。
