IDC TCGA 头颈部鳞状细胞癌数据集

数据集获取

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

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 TCGA-HNSC。癌症类型：头颈部鳞状细胞癌。肿瘤部位：头颈部。受试者：523 例。癌症影像计划（CIP）（http://imaging.cancer.gov/）正与参与 TCGA 的机构的主要研究者直接合作，以获取并加载与 TCGA 数据门户（http://tcga-data.nci.nih.gov/）中存储的基因组、临床和病理数据相关的影像。目前，这一大型头颈部鳞状细胞癌（HNSC）患者 PET/CT 多序列图像集合可通过每个独特病例标识符与 TCGA 数据门户中同一病例的大量基因和表达数据进行匹配，以研究临床表型与组织基因组之间的联系。请参阅 TCGA-HNSC（https://doi.org/10.7937/K9/TCIA.2016.LXKQ47MS）页面，以了解更多关于放射学图像的信息并获取该集合的任何支持性元数据。请参阅 TCGA-HNSC 集合的 DICOM 转换幻灯片显微图像（https://doi.org/10.5281/zenodo.12690033）页面，以了解更多关于组织病理学图像的信息并获取该集合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。