IDC 肺部体模数据集
数据包含 1 名受试者，即 FDA 拟人胸部体模，带有 12 个不同大小、形状和密度的体模病灶，在哥伦比亚大学医学中心使用 64 排探测器扫描仪采集，扫描参数为 120 kVp、100 mAs、64x0.625 准直和 1.375 螺距，图像采用肺核重建，层厚 1.25 mm
基本信息
资源简介
IDC 肺部体模数据集
IDC Lung Phantom 是一个肺部体模 CT 影像数据集，来源于 portal.imaging.datacommons.cancer.gov，属于肿瘤/肺癌分类。数据包含 1 名受试者，即 FDA 拟人胸部体模，带有 12 个不同大小、形状和密度的体模病灶，在哥伦比亚大学医学中心使用 64 排探测器扫描仪采集，扫描参数为 120 kVp、100 mAs、64x0.625 准直和 1.375 螺距，图像采用肺核重建，层厚 1.25 mm。该数据集可用于肺部病灶检测、图像分割等算法的开发与验证（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 Lung Phantom。癌症类型：Phantom。肿瘤位置：Lung Phantom。受试者：1。FDA 拟人胸部体模带有 12 个体模病灶，大小不同（有效直径 10 和 20 mm），形状不同（球形、椭圆形、分叶状和毛刺状），密度不同（−630、−10 和 +100 HU），在哥伦比亚大学医学中心使用 64 排探测器扫描仪（LightSpeed VCT，GE Healthcare，Milwaukee，WI）扫描。CT 扫描参数为 120 kVp、100 mAs、64x0.625 准直和 1.375 螺距。图像采用肺核重建，层厚 1.25 mm。请参阅 Lung Phantom（ 页面以了解有关图像的更多信息并获取此集合的任何支持元数据。
【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=lung_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=lung_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收集肺部体模。癌症类型：体模。肿瘤位置：肺部体模。受试者：1。在哥伦比亚大学医学中心，使用64排扫描仪（LightSpeed VCT，GE Healthcare，Milwaukee，WI）对FDA拟人胸部体模进行了扫描，该体模包含12个不同大小（有效直径为10和20 mm）、形状（球形、椭圆形、分叶状和毛刺状）和密度（-630、-10和+100 HU）的病灶。CT扫描参数为120 kVp、100 mAs、64x0.625准直和1.375螺距。图像使用肺核重建，层厚为1.25 mm。请参阅肺部体模（https://doi.org/10.7937/K9/TCIA.2015.08A1IXOO）wiki页面，以了解有关图像的更多信息并获取此集合的任何支持元数据。
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。
