IDC CMB-LCA 肺癌数据集

数据集获取

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

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 集合 CMB-LCA。癌症类型：肺癌。肿瘤位置：肺。受试者：162 例。癌症登月生物样本库（https://moonshotbiobank.cancer.gov/）是美国国家癌症研究所的一项倡议，旨在支持当前及未来对耐药性和敏感性的研究以及其他 NCI 资助的癌症研究计划，目标是增进研究人员对癌症的理解以及如何干预癌症的发生和发展。在本研究过程中，将纵向收集来自至少 10 种癌症类型、至少 1000 名患者的生物样本（在医疗过程中采集的血液和组织）及相关数据，这些患者代表了美国的人口多样性，并在多个 NCI 社区肿瘤研究计划（NCORP）（https://ncorp.cancer.gov/）站点接受标准治疗（https://www.cancer.gov/publications/dictionaries/cancer-terms/def/standard-of-care）。本集合包含从 NCI 癌症登月生物样本库-肺癌（CMB-LCA）队列受试者中获取的去标识化放射学和组织病理学影像。

相关的基因组、表型和临床数据将由基因型与表型数据库（dbGaP）（https://www.ncbi.nlm.nih.gov/gap/）及其他NCI数据库托管。请参阅癌症登月计划生物样本库-肺癌采集（CMB-LCA）（https://doi.org/10.7937/3CX3-S132）页面，以了解有关放射学图像的更多信息并获取该采集的任何支持性元数据。请参阅CMB-LCA：癌症登月计划生物样本库倡议肺癌采集的DICOM转换幻灯片显微镜图像（https://doi.org/10.5281/zenodo.13993776）页面，以了解有关组织病理学图像的更多信息并获取该采集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。