患者来源异种移植肿瘤模型系列非增强非门控T2w MRI数据集（PDMR-Texture Analysis）

数据集获取

源站：https://doi.org/10.7937/3kq0-yk19

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。

数据说明

该数据集包含18个患者来源异种移植癌症模型的连续非增强非门控T2加权MRI图像。研究人员在多个时间点对175只小鼠进行了成像（共514次研究），以便利用神经网络和分类技术开发算法，改进组织表征（形态学变化），从而通过精准医学的进步改善患者护理。利用非侵入性活体成像技术进行组织表征，可用于肿瘤学中疾病负荷的检测和测量。研究人员已开发出多种算法，如神经网络和分类技术，以改进组织表征（形态学变化）。然而，由于同一组织学分类内存在肿瘤异质性，为获得统计学显著性，大规模数据集是这项研究工作的必要条件。

临床前患者来源异种移植动物模型可作为一种重要资源，通过提供在收集范围内肿瘤基因组更为同质、并附有配套基因组学和病理学特征描述（https://pdmr.cancer.gov/）的样本集合，从而能够确定影像学特征的变异性。该患者来源异种移植模型的数据集（见下表）可用于训练算法，以评估组织纹理随肿瘤生长和癌症模型的变化。

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。