TCGA-OV 采集的 DICOM 转换全切片显微图像

数据集获取

源站：https://doi.org/10.5281/zenodo.22837387

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 460.5 KB。

数据说明

该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/或源自图像的数据。此数据集已被转换为DICOM格式，并由IDC团队录入。您可以通过IDC门户探索并可视化相应的图像。利用Zenodo记录中包含的清单文件，按照下方下载指南即可下载该集合。癌症基因组图谱-卵巢癌（TCGA-OV）数据收集是旨在通过特征化放射学图像增强TCGA http://cancergenome.nih.gov/ 数据集的更大努力的一部分。癌症影像计划（CIP）与几个TCGA组织贡献机构合作，正致力于归档大量经遗传分析的卵巢癌病例的放射学图像。请参阅TCGA-OV页面，了解有关图像的更多信息并获取此集合的任何支持元数据。包含的文件 清单文件的名称指示了IDC数据发布中首次引入集合数据版本的标识。

例如，tcga_ov-idc_v22-aws.s5cmd 对应于 IDC 数据发布 v22 中引入的 tcga_ov 集合内容。tcga_ov-idc_v25-aws.s5cmd：AWS 下载清单 tcga_ov-idc_v25-gcs.s5cmd：GCS 下载清单 tcga_ov-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 和 GCP 之间镜像。下载说明 每个清单文件的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-index 下载此数据集中包含的清单所引用的文件：idc download manifest.s5cmd 要使用 .dcf 清单下载文件，请参阅清单头部。如有问题或需要帮助，请联系 support@canceridc

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。