癌症影像档案
TCIA 是一项对癌症医学影像进行去标识化并发布以供下载的服务。新的数据提案由咨询小组每季度审查一次。数据以“collections”的形式组织；通常是将患者影像按常见疾病（例如肺癌）、影像模态或类型（MRI、CT、数字病理等）或研究重点相关联
基本信息
资源简介
癌症影像档案
The Cancer Imaging Archive（TCIA）是一项面向癌症医学影像的去标识化发布与下载服务，数据以“collections”（集合）的形式组织，通常将患者影像按常见疾病（例如肺癌）、影像模态或类型（如 MRI、CT、数字病理等）或研究重点相关联。该数据集在本站归入肿瘤 / 肺癌分类，来源站为 cancerimagingarchive.net。TCIA 在发布影像的同时，也会在可获得的情况下提供与影像相关的配套数据，例如患者结局、治疗详情、基因组学与专家分析结果；用户社区也被鼓励发布基于 TCIA 数据集衍生的新分析，例如为既有集合添加新的影像标签、标注、器官/肿瘤分割以及影像组学/病理组学特征。
【数据集背景】
TCIA 的定位是一项对癌症医学影像进行去标识化并发布以供下载的服务。其数据组织方式以“collections”为核心，通常把患者的影像按共同疾病（如肺癌）、影像模态或类型（MRI、CT、数字病理等）或研究重点关联起来。新的数据提案由咨询小组按季度进行审查，这一机制构成了数据集持续扩充与更新的制度基础。
【数据内容】
数据集内容以癌症医学影像为主体，涵盖多种影像模态或类型，包括 MRI、CT 与数字病理等。除影像本身外，在可获得的情况下还提供与影像相关的配套数据，涉及患者结局、治疗详情、基因组学以及专家分析。用户社区可以在此基础上发布新的分析成果，例如新增影像标签、标注、器官/肿瘤分割，以及影像组学/病理组学特征，从而丰富既有集合的内容。
【采集与来源】
数据来源于 cancerimagingarchive.net，由 TCIA 服务对癌症医学影像进行去标识化处理后发布，供用户下载使用。数据按集合组织，集合的划分依据包括常见疾病（例如肺癌）、影像模态或类型（MRI、CT、数字病理等）或研究重点。新增数据提案需经咨询小组每季度审查。
【适用场景】
该数据集适用于与癌症医学影像相关的研究与开发场景，尤其是肺癌等按疾病组织的集合，以及按 MRI、CT、数字病理等模态或类型组织的集合。配套提供的患者结局、治疗详情、基因组学与专家分析数据，可支持将影像与临床、基因组等多方面信息结合的分析；用户社区发布的标签、标注、分割与组学特征，也可用于相关分析工作的复用与扩展。
【使用方法】
用户可通过来源站 cancerimagingarchive.net 下载去标识化后的癌症医学影像数据。数据以集合为单位组织，用户可按疾病（如肺癌）、影像模态或类型（MRI、CT、数字病理等）或研究重点定位所需集合。在可获得的情况下，可一并获取患者结局、治疗详情、基因组学与专家分析等配套数据。用户社区亦可向既有集合发布新的分析成果，如影像标签、标注、器官/肿瘤分割及影像组学/病理组学特征。
【质量与限制】
源站未提供。
【引用与许可】
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://cancerimagingarchive.net/
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
TCIA 是一项对癌症医学图像进行去标识化并发布以供下载的服务。新数据提案由咨询小组每季度审查一次。数据以“集合”的形式组织；通常，患者的影像资料按常见疾病（如肺癌）、成像模态或类型（MRI、CT、数字组织病理学等）或研究重点相关联。在可获得的情况下，还提供与图像相关的支持性数据，如患者结果、治疗详情、基因组学和专家分析。同时鼓励用户社区发布基于 TCIA 数据集的新分析。示例包括向现有集合添加新的图像标签、注释、器官/肿瘤分割以及放射组学/病理组学特征。
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。
