IDC NLST 肺癌筛查数据集
IDC NLST 是来自美国国家肺癌筛查试验（NLST）的 CT 检查集合，包含 26410 名受试者的胸部 CT 影像，涵盖肺癌与非癌症两类
基本信息
资源简介
IDC NLST 肺癌筛查数据集
IDC NLST 是来自美国国家肺癌筛查试验（NLST）的 CT 检查集合，包含 26410 名受试者的胸部 CT 影像，涵盖肺癌与非癌症两类。该试验在 33 个美国医疗中心开展，受试者于 2002 至 2004 年间随机接受三次年度低剂量 CT 筛查，旨在评估其能否降低高风险人群的肺癌死亡率。该数据集可用于肺癌筛查相关的分类、检测与影像分析研究，并可通过关联的 NLST 与 DICOM 转换的 Slide Microscopy 页面获取放射影像及组织病理影像的补充元数据（来源 portal.imaging.datacommons.cancer.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：IDC collection NLST。癌症类型：Lung Cancer、Non-Cancer。肿瘤位置：Chest。受试者：26410。本集合包含美国国家肺癌筛查试验（NLST）的全部 CT 检查，该试验旨在确定低剂量 CT 筛查能否降低 33 个美国医疗中心中肺癌高风险人群的肺癌死亡率。受试者在 2002-2004 年间被随机分配接受三次年度筛查。请参阅 NLST（ 页面以了解有关放射影像的更多信息并获取本集合的任何支持性元数据。请参阅 NLST 集合的 DICOM 转换 Slide Microscopy 图像（ 页面以了解有关组织病理学图像的更多信息并获取本集合的任何支持性元数据。
【主题与分类】
主题标签：Lung Cancer, Non-Cancer、Chest。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=nlst
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=nlst
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 集合 NLST。癌症类型：肺癌、非癌症。肿瘤位置：胸部。受试者：26410。该集合包含国家肺癌筛查试验（NLST）的所有 CT 检查，该试验旨在确定低剂量 CT 筛查是否能降低 33 个美国医疗中心中肺癌高风险人群的肺癌死亡率。参与者在 2002-2004 年间被随机分配接受三次年度筛查。请参阅 NLST（https://doi.org/10.7937/TCIA.HMQ8-J677）wiki 页面，以了解有关放射学图像的更多信息并获取该集合的任何支持性元数据。请参阅 NLST 集合的 DICOM 转换幻灯片显微镜图像（https://doi.org/10.5281/zenodo.12689650）wiki 页面，以了解有关组织病理学图像的更多信息并获取该集合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。
