IDC CC-Radiomics 体模数据集
CCR 体模含 10 个纹理各异的 cartridge，专为纹理特征稳健性研究设计。该数据可用于影像组学纹理特征的重复性、可重复性与跨设备稳健性分析，以及体模相关的算法验证与回归建模（来源 portal.imaging.datacommons.cancer.gov）
基本信息
资源简介
IDC CC-Radiomics 体模数据集
该数据集为 IDC 收集的 CC-Radiomics-Phantom 集合，包含 17 例 Credence Cartridge Radiomics（CCR）体模的 CT 扫描，覆盖 4 家医疗中心，分别使用 GE（7 例）、Philips（5 例）、Siemens（2 例）和 Toshiba（3 例）扫描仪，并按各中心胸部协议采集。CCR 体模含 10 个纹理各异的 cartridge，专为纹理特征稳健性研究设计。该数据可用于影像组学纹理特征的重复性、可重复性与跨设备稳健性分析，以及体模相关的算法验证与回归建模（来源 portal.imaging.datacommons.cancer.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：IDC 集合 CC-Radiomics-Phantom。癌症类型：Phantom。肿瘤位置：Lung Phantom。受试者：17。该集合包含 17 例 Credence Cartridge Radiomics（CCR）体模的 CT 扫描，该体模专为纹理特征稳健性研究设计。扫描在四家医疗中心使用各中心的胸部协议采集，分别使用 GE（7 例）、Philips（5 例）、Siemens（2 例）和 Toshiba（3 例）扫描仪。CCR 体模有 10 个 cartridge，每个具有独特的纹理。请参阅 CC-Radiomics-Phantom（ 页面，以了解有关图像的更多信息并获取该集合的任何支持性元数据。
【主题与分类】
主题标签：Phantom、Lung Phantom。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=cc_radiomics_phantom
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://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=cc_radiomics_phantom
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
IDC collection CC-Radiomics-Phantom。癌症类型：体模。肿瘤位置：肺部体模。受试者：17。该collection包含17例Credence Cartridge Radiomics（CCR）体模的CT扫描，该体模设计用于纹理特征稳健性研究。扫描在四个医疗中心使用各中心的胸部协议采集，分别使用GE（7例扫描）、Philips（5例扫描）、Siemens（2例扫描）和Toshiba（3例扫描）扫描仪。CCR体模有10个 cartridge，每个都具有独特的纹理。请参阅CC-Radiomics-Phantom（https://doi.org/10.7937/K9/TCIA.2017.zuzrml5b）wiki页面，以了解有关图像的更多信息并获取该collection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。
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。
