ACRIN非小细胞肺癌FDG-PET数据集
包含NSCLC患者FDG-PET影像和标准化报告信息，适合肺癌代谢影像分析和疗效预测研究。由American College of Radiology Imaging Network提供，来自The Cancer Imaging Archive，包含医学影像数据，包含242条数据记录，适用于分类任务，许可证为CC BY 4.0。
基本信息
资源简介
ACRIN非小细胞肺癌FDG-PET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 145.50 GB、242 例受试者，主题涵盖 Lung Non-Small Cell Carcinoma，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 3.0 许可开放获取。
【数据集背景】
本数据集源站标题为《ACRIN 6668》。源站首次发布：2020/02/11。
【数据内容】
源站原始描述：All dates, like the visit date, are protected by presenting just the year; however, dates are also listed as offset days from the base date. The offset dates are used as a means of protecting patient information provided by the local sites in the original data, while allowing users to determine intervals between events. The standard DICOM date tags (i.e. birth dates, imaging study dates, etc.) have been de-identified so that all patients have a baseline study date of January 1, 1960. This falsif…
【数据结构与技术规格】
数据集 DOI：10.7937/tcia.2019.30ilqfcl。
【主题与分类】
源站学科分类：Demographic、Diagnosis、Follow-Up、Measurement、Treatment、PT。主题标签：Lung Non-Small Cell Carcinoma。
【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/collection/acrin-nsclc-fdg-pet/
使用许可：CC BY 3.0（https://creativecommons.org/licenses/by/3.0/）。
规范引用：Kinahan, P., Muzi, M., Bialecki, B., Herman, B., & Coombs, L. (2019). Data from the ACRIN 6668 Trial NSCLC-FDG-PET (Version 2) [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
包含NSCLC患者FDG-PET影像和标准化报告信息，适合肺癌代谢影像分析和疗效预测研究。
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
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
