CPTAC 皮肤黑色素瘤影像数据集
CPTAC黑色素瘤影像数据集
基本信息
资源简介
CPTAC 皮肤黑色素瘤影像数据集
【一句话概览】
本数据集是 TCIA 公开的影像数据集，收录 合计 121.86 GB、95 例受试者，主题涵盖 Cutaneous Melanoma，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《The Clinical Proteomic Tumor Analysis Consortium Cutaneous Melanoma Collection》。源站首次发布：2024/04/29。
【数据内容】
源站原始描述：All CPTAC cohorts are released as either a single combined cohort, or split into Discovery and Confirmatory where applicable. There are two main types of proteomic studies: discovery proteomics and targeted proteomics. The term "discovery proteomics" is in reference to "untargeted" identification and quantification of a maximal number of proteins in a biological or clinical sample. The term “targeted proteomics” refers to quantitative measurements on a defined subset of total proteins in a biolo…
【数据结构与技术规格】
数据集 DOI：10.7937/K9/TCIA.2018.ODU24GZE。
【主题与分类】
源站学科分类：MR、CT、PT、Histopathology、Whole Slide Image。主题标签：Cutaneous Melanoma。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://www.cancerimagingarchive.net/collection/cptac-cm/
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：National Cancer Institute Clinical Proteomic Tumor Analysis Consortium (CPTAC). (2018). The Clinical Proteomic Tumor Analysis Consortium Cutaneous Melanoma Collection (CPTAC-CM) (Version 11) [Data set]. The Cancer Imaging Archive
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（TCIA 标准方式）
方式一：NBIA 搜索
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager 批量下载 DICOM。
方式二：NBIA API（程序化）
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据说明
来自NCI CPTAC皮肤黑色素瘤队列，包含去标识化影像数据，可用于病理与影像分析。
数据加载示例（DICOM 影像）
import pydicom, glob, os
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality)
img = d.pixel_array
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。
