IDC LCTSC 肺癌CT与放疗数据集
IDC LCTSC 是来自影像数据共享平台 IDC 的肺癌数据集，包含 60 名受试者的肺部 CT 与放射治疗数据，肿瘤部位为肺
基本信息
资源简介
IDC LCTSC 肺癌CT与放疗数据集
IDC LCTSC 是一个聚焦肺癌的公开影像数据集，来源于影像数据共享平台 IDC（Imaging Data Commons）。该数据集共纳入 60 名受试者，核心内容为肺部 CT 影像与放射治疗相关数据，肿瘤类型为肺癌，肿瘤部位为肺。它最初与一项自动勾画挑战赛及相关会议环节配套提供，因而在放射治疗计划与影像分析场景中具有明确的应用指向。数据集在 IDC 平台上以集合形式发布，并关联有专门的 wiki 页面，供使用者进一步了解图像细节并获取配套的支撑性元数据。整体而言，该数据集适合用于肺部 CT 影像分析、放射治疗相关研究以及自动勾画算法的开发与评估。
【数据集背景】
该数据集与一项自动勾画挑战赛及相关的会议环节直接相关。根据源站描述，这一挑战赛和会议环节是在 AAPM 2017 年年会上举办的。自动勾画是放射治疗流程中的关键环节，涉及在 CT 影像上界定肿瘤靶区及危及器官的范围。该数据集正是在这一背景下被整理和提供，用于支持相关算法与方法的比较和验证。其主题标签为肺癌与肺，进一步明确了数据所覆盖的疾病与解剖部位。数据集在 IDC 平台上以集合形式存在，并配有专门的 wiki 页面，便于使用者了解图像内容并获取支撑性元数据。
【数据内容】
数据集包含 60 名受试者的数据。数据内容为肺部 CT 与放射治疗数据。肿瘤类型为肺癌，肿瘤部位为肺。除上述信息外，源站未提供关于图像数量、扫描参数、勾画结构类别、放射治疗剂量信息等更细粒度的数据内容说明。
【采集与来源】
该数据集来源于影像数据共享平台 IDC，源站地址为 portal.imaging.datacommons.cancer.gov。数据集与 AAPM 2017 年年会上的自动勾画挑战赛及相关会议环节配套提供。源站描述中给出了该挑战赛与会议环节的链接，以及该数据集在 TCIA 上的 wiki 页面链接，供使用者进一步了解图像并获取支撑性元数据。除这些来源信息外，源站未提供关于采集机构、扫描设备、采集时间等具体采集细节。
【适用场景】
基于其内容与背景，该数据集适用于肺部 CT 影像相关的分析与研究，尤其是与放射治疗相关的任务。由于它与自动勾画挑战赛配套提供，因此适合用于自动勾画算法的开发、训练与评估，也可用于放射治疗计划中靶区与危及器官勾画方法的研究。肿瘤类型为肺癌、肿瘤部位为肺，使其在肺癌影像分析场景中具有针对性。除上述方向外，源站未提供关于其他具体适用场景的说明。
【使用方法】
使用者可通过 IDC 平台访问该数据集集合。源站描述建议使用者查看该数据集在 TCIA 上的 wiki 页面，以了解图像详情并获取支撑性元数据。除这一指引外，源站未提供关于数据下载方式、格式转换、预处理步骤或配套工具的具体说明。
【质量与限制】
源站未提供关于数据质量、标注精度、样本代表性或使用限制的具体说明。使用者应参考该数据集在 TCIA 上的 wiki 页面获取更多支撑性元数据，以自行评估其适用性。
【引用与许可】
源站描述中给出了该数据集的 DOI 链接，即 https://doi.org/10.7937/K9/TCIA.2017.3r3fvz08，供使用者在引用时参考。除该 DOI 及 wiki 页面指引外，源站未提供关于许可条款、使用限制或引用格式的进一步说明。
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
源站：https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=lctsc
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 数据集 LCTSC。癌症类型：肺癌。肿瘤位置：肺。受试者：60 例。该肺部 CT 与放射治疗数据集是与自动轮廓勾画挑战赛及相关会议议程（http://www.aapm.org/meetings/2017AM/PRAbs.asp?mid=127&aid=35318）联合提供的，该议程在 AAPM 2017 年年会（http://www.aapm.org/meetings/2017AM/）上进行。请参阅 LCTSC（https://doi.org/10.7937/K9/TCIA.2017.3r3fvz08）wiki 页面，以了解更多关于图像的信息并获取该数据集的支持性元数据。
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。
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。
