CPTAC肉瘤临床蛋白质组肿瘤分析联盟数据集
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肉瘤（CPTAC-SAR）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
CPTAC肉瘤临床蛋白质组肿瘤分析联盟数据集
The Clinical Proteomic Tumor Analysis Consortium Sarcomas Collection（CPTAC-SAR）是发布于癌症影像档案（cancerimagingarchive.net）的一个肿瘤类数据集，本站将其归入“肿瘤 / 其他”分类。该集合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肉瘤队列的受试者。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。围绕这一目标，癌症影像档案负责收集并公开 CPTAC 患者的放射学与病理学图像，使研究人员能够探究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。每种癌症类型的影像各自构成一个 TCIA 集合，集合名称采用“CPTAC-癌症类型”的形式。
【数据集背景】
该数据集建立在 CPTAC 这一全国性研究努力之上。CPTAC 的核心目标是通过大规模蛋白质组与基因组分析，也就是蛋白质基因组学，加速对癌症分子基础的理解。作为该体系的一部分，癌症影像档案承担了将 CPTAC 患者的放射学与病理学图像收集并公开提供给研究界的职责，从而让影像表型能够与对应的蛋白质组、基因组和临床数据放在一起被研究。肉瘤队列（CPTAC-SAR）即是这一框架下按癌症类型划分的集合之一。
【数据内容】
该集合包含来自 CPTAC-SAR 队列受试者的放射学与病理学图像。按照 TCIA 的组织方式，每种癌症类型的影像收录在各自独立的集合中，本集合对应肉瘤这一类型。源站描述在此处中断，未完整给出该集合影像的具体模态构成、病例数量、文件数量或标注信息。
【采集与来源】
放射学影像来自患者在病理诊断之前即刻接受的标准诊疗成像，以及在可获得情况下的随访扫描。图像由癌症影像档案收集并公开。源站描述在此处中断，未完整说明随访扫描的具体范围与采集机构信息。
【适用场景】
依据源站说明，该集合的用途在于使研究人员能够探究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，即支持影像表型与蛋白质基因组学、基因组学及临床数据之间的关联研究。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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-sar
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 87.20 GB。
数据说明
The Cancer Imaging Archive (2019). The Clinical Proteomic Tumor Analysis Consortium Sarcomas Collection [Dataset]. http://doi.org/10.7937/tcia.2019.9bt23r95
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。
