Crowds Cure Cancer：RSNA 2018 年会众包采集数据

数据集获取

源站：https://doi.org/10.7937/tcia.2019.yk0gm1eb

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

癌症影像档案（The Cancer Imaging Archive，TCIA）已获取了大量图像数据，这些数据可作为改进机器学习算法的宝贵训练集。然而，这些数据集缺乏一致的病灶标注。为解决这一问题，弗雷德里克国家癌症研究实验室（Frederick National Laboratory for Cancer Research，FNLCR）的癌症影像信息学实验室与由美国国家癌症研究所（National Cancer Institute）癌症研究信息学技术项目资助的五个团队建立了合作关系，共同开发了一款基于网络的众包应用程序，用于收集病灶标注，并在北美放射学会（Radiological Society of North America，RSNA）2018年年会上进行了展示。Crowds Cure Cancer（https://www.crowds-cure.org）首次在RSNA 2017上展出，使用了来自4个不同TCIA集合的CT扫描。参与者被要求对最大病灶进行一维测量。当时没有选项可供提供有关成像质量（例如，无静脉造影、运动伪影等）、病灶位置（例如，肺、肝等）或病灶特征（例如，边界不清、磨玻璃样等）的详细信息，因此需要在收集后进行额外的图像审查。

2017年数据集可在https://doi.org/10.7937/K9/TCIA.2018.OW73VLO2获取。针对RSNA 2018，应用程序经过重新设计，以促进更全面的数据收集并增加社区参与度。参与者被指导识别所有转移性疾病，并提供关于图像质量、病变位置和特征的详细信息。为进一步激励参与，我们通过增加游戏化功能（例如奖励徽章）改进了系统，并创建了排行榜以展示参与者排名。需要标注的数据量也显著增加，包括来自13个TCIA集合的CT扫描：Anti-PD-1_Lung、Anti-PD-1_MELANOMA、CPTAC-CCRCC、CPTAC-GBM、CPTAC-HNSCC、CPTAC-PDA、CPTAC-UCEC、NSCLC Radiogenomics、TCGA-BLCA、TCGA-COAD、TCGA-HNSC、TCGA-LUSC、TCGA-UCEC。在RSNA 2018期间，4756个双向

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。