综合癌症研究资源库

数据集获取

源站：https://clinicaltrials.gov/study/NCT02012699

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

疾病：胰腺癌、甲状腺癌、肺癌、食管癌、胸腺癌、结肠癌、直肠癌、胃肠道间质瘤。综合癌症研究资源库（iCaRe2，http://icare2.unmc.edu）是内布拉斯加大学医学中心（UNMC）Fred & Pamela Buffett癌症中心独有的社会技术资源，用于收集和管理癌症及健康相关数据。iCaRe2是一个多中心、语义互操作且易于定制的癌症数据资源，旨在收集、管理、挖掘和共享关于癌症患者及从这些个体采集的生物样本（如肿瘤标本、生殖系DNA、血清、尿液和血浆）的全面、多维癌症相关数据。

iCaRe2 是作为生物计算框架的扩展而开发的，该框架最初包含四个多中心协作注册库：胰腺癌协作注册库（PCCR）、乳腺癌协作注册库（BCCR）、甲状腺癌协作注册库（TCCR）和大平原健康信息学数据库（GPHID；用于招募入组时无癌症诊断史的受试者）。该存储库现在包括：胸部肿瘤协作注册库（TOCR）、泌尿生殖系统癌症协作注册库（GUCARE）、头颈癌协作注册库（HNCCR）、胃肠道与腹腔癌症协作注册库（GACCaRe）、中枢神经系统肿瘤协作注册库（CTCR）、白血病与髓系肿瘤注册库（LEMN）、妇科癌症协作注册库（GCCR）、肉瘤协作注册库（SARCR）、黑色素瘤协作注册库（MELCR）、浆细胞疾病协作注册库（PDCR）、神经内分泌协作注册库（NETR）、非黑色素瘤皮肤癌注册库（NMSC）和辅助癌症注册库（ACR）。

iCaRe2小组选择采用“联盟模式”，而非传统的登记或网络模式。联盟模式的主要优势包括灵活性，可以根据研究项目需求及各中心的资源状况，选择特定中心参与不同的研究工作。

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。