MMIST透明细胞肾癌多模态数据集
MMIST-ccRCC 汇集CPTAC和TCGA来源的CT、MRI、病理、基因组和临床数据，用于透明细胞肾癌预后研究。由Instituto Superior Técnico提供，包含多种数据模态，包含618条数据记录，适用于分类任务。
基本信息
资源简介
MMIST透明细胞肾癌多模态数据集
【一句话概览】
透明细胞肾细胞癌（ccRCC）是成人中最常见的肾癌类型，占所有肾细胞癌病例的比例高达80%。预后评估对患者管理至关重要，但仍是一项极具挑战性的任务。相关研究已促成两项公开研究：CPTAC-CCRCC和TCGA-KIRC，MMIST-ccRCC即由此整理而来。该数据集包含618名受试者、1288幅影像，涵盖CT、MRI、WSI、基因组学、临床及多模态数据（来源 multi-modal-ist.github.io）。
【数据集背景】
本数据集源站标题为《MMIST ccRCC Dataset》。
【数据内容】
源站原始描述：ccRCC is the most common type of kidney cancer, accounting for up to 80% of all renal cell carcinoma cases in adults. Estimating the prognosis is critical for patient management, but it is still a very challenging task. Ongoing research on this topic has led to the creation of two public studies: CPTAC-CCRCC and TCGA-KIRC, from which we curated MMIST-ccRCC
中文译文（机器翻译，仅供快速理解，请以原文为准）：ccRCC是肾癌最常见的类型，在成人所有肾细胞癌病例中占比高达80%。评估预后对患者管理至关重要，但仍是一项极具挑战性的任务。针对该主题的持续研究促成了两项公开研究的建立：CPTAC-CCRCC和TCGA-KIRC，我们从中整理了MMIST-ccRCC。
【主题与分类】
主题标签：ccRCC、kidney cancer、renal cell carcinoma、CT、MRI、WSI、Genomics、Clinical、multi-modal。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://multi-modal-ist.github.io/datasets/ccRCC/
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
源站：https://multi-modal-ist.github.io/datasets/ccRCC/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
MMIST-ccRCC 汇集CPTAC和TCGA来源的CT、MRI、病理、基因组和临床数据，用于透明细胞肾癌预后研究。
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。
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。
