TCIA CPTAC 皮肤黑色素瘤影像数据集
该集合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皮肤黑色素瘤（CPTAC-CM）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
基本信息
资源简介
TCIA CPTAC 皮肤黑色素瘤影像数据集
TCIA CPTAC-CM 数据集收录了来自美国国家癌症研究所临床蛋白质组肿瘤分析联盟（CPTAC）皮肤黑色素瘤（Cutaneous Melanoma，CPTAC-CM）队列的受试者影像资料。CPTAC 是一项全国性研究计划，旨在通过大规模蛋白质组与基因组分析，即蛋白质基因组学，加速对癌症分子基础的理解。该数据集由 The Cancer Imaging Archive（TCIA）收集并公开放射学与病理学图像，供研究人员探索可能与相应蛋白质组、基因组及临床数据相关联的癌症表型。在 TCIA 的分类体系中，该数据集归入肿瘤领域的其他类别，其影像内容按癌种独立成集，集合名称遵循“CPTAC-癌种”的命名方式。
【数据集背景】
该数据集建立在 CPTAC 这一国家级研究计划之上。CPTAC 的核心目标是通过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认识。皮肤黑色素瘤（CPTAC-CM）是 CPTAC 队列中的一个癌种方向。为使研究人员能够将影像表型与对应的蛋白质组、基因组和临床数据联系起来，TCIA 负责收集 CPTAC 患者的放射学与病理学图像并向公众开放。每种癌症类型的影像均置于各自独立的 TCIA 集合中，集合名称采用“CPTAC-癌种”的形式，本数据集即对应皮肤黑色素瘤这一癌种。
【数据内容】
该数据集包含来自 CPTAC-CM 队列受试者的放射学图像与病理学图像。这些图像与受试者对应的蛋白质组、基因组及临床数据之间可能存在关联，从而支持癌症表型研究。关于具体的图像模态构成、病例数量、文件格式与存储结构等细节，源站未提供。
【采集与来源】
数据来源于美国国家癌症研究所 CPTAC 皮肤黑色素瘤队列的受试者，由 The Cancer Imaging Archive 收集并公开。放射学图像的采集包括两类：一是患者在接受病理诊断之前即刻按标准诊疗流程进行的影像检查，二是可获得的随访扫描。关于采集设备参数、扫描协议细节及随访时间安排等，源站未提供。
【适用场景】
该数据集适用于探索癌症影像表型与蛋白质组、基因组及临床数据之间可能存在的关联，服务于蛋白质基因组学导向的肿瘤研究。研究人员可借助公开的放射学与病理学图像，开展与 CPTAC-CM 队列相关的影像分析。关于具体的分析任务类型与方法学建议，源站未提供。
【使用方法】
该数据集通过 The Cancer Imaging Archive 公开提供，供研究人员使用。关于访问入口、下载方式、数据组织格式及配套工具等操作层面的说明，源站未提供。
【质量与限制】
该数据集为公开可用的影像集合，其放射学图像来自标准诊疗检查及可获得的随访扫描，并非为研究目的专门设计的统一采集方案。关于数据完整性、标注质量、样本量及已知偏倚等具体质量指标，源站未提供。
【引用与许可】
该数据集来源于 cancerimagingarchive.net。关于引用格式、许可条款及使用限制等具体信息，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/collection/cptac-cm
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:
数据集大小约 361.32 GB。
数据说明
TCIA collection CPTAC-CM. Modality: unknown. Body part: unknown.
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。
