CPTAC-BRCA 集合的 DICOM 转换幻灯片显微图像

数据集获取

源站：https://doi.org/10.5281/zenodo.22837323

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。

数据集大小约 274.6 KB。

数据说明

本数据集对应于美国国家癌症研究所影像数据共享平台（IDC）提供的一系列图像和/或图像衍生数据。该数据集已被IDC团队转换为DICOM格式并收录。您可以使用IDC门户网站探索并可视化相应的图像。您可利用本Zenodo记录中包含的清单，按照下方下载指南下载该数据集。此数据集包含来自美国国家癌症研究所临床蛋白质组肿瘤分析联盟（CPTAC）乳腺浸润性癌队列的受试者。CPTAC是一项全国性努力，旨在通过应用大规模蛋白质组和基因组分析（即蛋白质基因组学）加速对癌症分子基础的理解。癌症影像档案馆正在收集CPTAC患者的放射学和病理学图像，并公开提供，以便研究人员探究可能与相应蛋白质组、基因组和临床数据相关的癌症表型。请参阅CPTAC-BRCA wiki页面，以了解更多关于图像的信息并获取此数据集的任何支持性元数据。

包含的文件 清单文件的名称指示了集合数据某个版本首次引入时所对应的IDC数据发布版本。例如，cptac_brca-idc_v22-aws.s5cmd 对应于 IDC 数据发布版 v22 中引入的 cptac_brca 集合内容。 cptac_brca-idc_v25-aws.s5cmd：AWS 下载清单 cptac_brca-idc_v25-gcs.s5cmd：GCS 下载清单 cptac_brca-idc_v25-dcf.dcf：DCF 下载清单 以 -aws.s5cmd 结尾的清单文件引用 Amazon Web Services (AWS) 存储桶中的文件；以 -gcs.s5cmd 结尾的清单文件引用 Google Cloud Storage 中的文件。实际文件完全相同，并在 AWS 与 GCP 之间互为镜像。 下载说明 每个清单文件在其头部都包含有关如何下载所含文件的说明。要使用 .s5cmd 清单下载文件： 安装 idc-index：pip install --upgrade idc-inde

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。