NSCLC-Radiomics预处理CT重采样数据集（含3D边界框标注与临床元数据）
预处理版NSCLC-Radiomics数据集：重采样CT扫描，含3D边界框标注与临床元数据。描述：本数据集提供NSCLC-Radiomics集合的预处理版本，包含标准化CT图像、由专家肿瘤分割导出的3D边界框标注以及统一化的临床元数据
基本信息
资源简介
NSCLC-Radiomics预处理CT重采样数据集（含3D边界框标注与临床元数据）
NSCLCR-HAID 是一个面向肿瘤肺癌方向的公开医学影像数据集，其核心定位是提供经过预处理、可直接用于医学人工智能研究的非小细胞肺癌（NSCLC）CT 数据。该数据集源自公开的 NSCLC-Radiomics 集合，在保留原始影像与临床信息的基础上，进行了空间分辨率统一、标注格式规范化和数据划分预设等处理，从而降低可重复医学 AI 研究的门槛。数据集包含标准化 CT 图像、由专家肿瘤分割导出的 3D 边界框标注以及统一化的临床元数据，并以 NIfTI 格式提供重采样后的 CT 扫描。整体而言，该数据集旨在为肺癌影像分析、肿瘤检测与分割等任务提供格式一致、标注明确、便于复现的实验数据基础。
【数据集背景】
非小细胞肺癌是肺癌中最常见的类型，围绕其开展的影像学研究长期依赖高质量的公开数据。原始 NSCLC-Radiomics 数据集通过 The Cancer Imaging Archive（TCIA）发布，共纳入 422 名确诊为非小细胞肺癌的患者，是医学影像分析领域广泛使用的公开集合之一。然而，原始数据在空间分辨率、标注格式和实验划分等方面往往存在不一致，增加了研究复现和模型比较的难度。NSCLCR-HAID 正是在这一背景下推出的预处理版本，目标是通过标准化 CT 图像、统一标注格式以及预定义训练、验证和测试划分，为可重复的医学 AI 研究提供 AI-ready 的影像数据，从而降低使用门槛。
【数据内容】
该数据集提供预处理后的 NSCLC-Radiomics 集合，主要包含三部分内容。第一是重采样 CT 图像，共涉及 421 名患者，成像模态为计算机断层扫描（CT），文件格式为 NIfTI（.nii.gz），并采用标准化的体素间距，源站描述中给出的体素间距为 0.703125 × 0.70。第二是 3D 边界框标注，这些标注由专家肿瘤分割结果导出，以统一格式提供，便于目标检测等任务直接使用。第三是统一化的临床元数据，用于配合影像数据开展临床相关分析。此外，该数据集还提供预定义的训练、验证和测试划分，方便研究者在一致的数据划分下进行模型训练与评估。
【采集与来源】
该数据集来源于 doi.org，作者为 Tushar, Fakrul Islam，所属机构为 Zenodo，发布时间为 2026 年。其原始数据为通过 The Cancer Imaging Archive（TCIA）发布的 NSCLC-Radiomics 集合，原始集合包含 422 名非小细胞肺癌患者。NSCLCR-HAID 是在该原始集合基础上形成的预处理版本，提供重采样 CT 扫描、3D 边界框标注和临床元数据。关于具体的扫描设备参数、采集中心、患者招募标准以及影像采集时间等更细粒度的采集信息，源站未提供。
【适用场景】
该数据集适用于非小细胞肺癌相关的医学人工智能研究，尤其是需要标准化影像输入和统一标注格式的任务。例如，可用于基于 CT 的肿瘤检测、3D 边界框目标检测、肿瘤定位以及临床元数据相关的分析研究。由于数据已经过重采样并采用统一的空间分辨率和标注格式，也适合用于可重复性研究、模型对比以及训练、验证和测试划分固定的基准实验。对于希望降低数据预处理成本、直接使用 AI-ready 影像数据的研究者，该数据集提供了较为便利的基础。关于该数据集在其他具体临床任务中的适用性，源站未提供。
【使用方法】
该数据集以 NIfTI（.nii.gz）格式提供重采样后的 CT 图像，并附带由专家肿瘤分割导出的 3D 边界框标注以及统一化的临床元数据。使用者可以按照数据集预设的训练、验证和测试划分组织实验，从而在一致的数据划分下开展模型训练与评估。由于图像已经过标准化体素间距处理，通常无需再进行额外的重采样即可输入到常见的医学影像分析流程中。关于具体的目录结构、标注文件字段定义、元数据变量说明以及加载代码示例，源站未提供。
【质量与限制】
该数据集的一个主要特点是提供了标准化体素间距、统一标注格式和预定义数据划分，这有助于提升医学 AI 研究的可重复性。其原始集合包含 422 名非小细胞肺癌患者，而重采样 CT 图像覆盖 421 名患者。关于数据是否存在缺失、标注一致性如何评估、影像质量的具体控制标准以及临床元数据的完整程度，源站未提供。此外，该数据集基于公开的 NSCLC-Radiomics 集合，其人群代表性、扫描协议差异等潜在限制，源站未提供。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。作者为 Tushar, Fakrul Islam，所属机构为 Zenodo，发布时间为 2026 年，来源站为 doi.org。使用该数据集时，应遵循该许可协议的署名要求。关于具体的引用格式、DOI 编号以及原始 NSCLC-Radiomics 集合的引用要求，源站未提供。
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://doi.org/10.5281/zenodo.18284365
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:
数据集大小约 27.47 GB。
数据说明
预处理后的NSCLC-Radiomics数据集：重采样CT扫描，附带3D边界框标注与临床元数据 描述 本数据集提供NSCLC-Radiomics集合的预处理版本，包含标准化CT图像、源自专家肿瘤分割的3D边界框标注以及统一化的临床元数据。原始NSCLC-Radiomics数据集包含422例诊断为非小细胞肺癌（NSCLC）的患者，并通过The Cancer Imaging Archive（TCIA）发布。本次发布的目标是通过提供具有一致空间分辨率、统一标注格式和预定义训练/验证/测试划分的AI就绪影像数据，降低可重复医学AI研究的门槛。 包含内容 1. 重采样CT图像（421例患者） 模态：计算机断层扫描（CT） 格式：NIfTI（.nii.gz） 标准化体素间距：0.703125 × 0.703125 × 1.25 mm³ 文件命名规范：NSCLC_{PatientID}_0000.nii.gz 2.
3D边界框标注 每位患者一个边界框，对应原发肿瘤（GTV-1） 源自专家手动分割 以世界坐标表示（中心位置和边界框尺寸，单位为毫米） 以CSV格式提供，可直接用于检测和定位任务 3. 临床元数据与数据集划分 人口统计学信息：年龄、性别 临床变量：TNM分期 组织学亚型（腺癌、鳞状细胞癌、大细胞癌、NOS、未知） 分层数据集划分： 训练集：80%（337例患者） 验证集：10%（42例患者） 测试集：10%（42例患者） 4. 数据集描述文件 用于以下任务的JSON描述文件： 3D目标检测任务 生成式和基于合成的建模 用于分类和放射组学研究的标注级CSV文件 处理流程 所有CT扫描均使用B样条插值从异质性原始体素间距重采样至统一分辨率0.703125 × 0.703125 × 1.25 mm³。 原发肿瘤边界框提取自ex
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。
