CHIMERA前列腺癌生化复发预测数据集
CHIMERA Task 1 面向前列腺癌生化复发预测，包含组织病理、MRI及临床表格等多模态数据。由CHIMERA Challenge提供，来自Grand Challenge，包含95条数据记录，适用于分类任务，专注于肿瘤领域的前列腺癌复发研究。
基本信息
资源简介
CHIMERA前列腺癌生化复发预测数据集
【一句话概览】
该任务聚焦于前列腺癌患者生化复发（BCR）的预测，使用多模态数据，包括组织病理学（H&E染色全切片图像）、多参数MRI（mpMRI）和临床信息。参与者需开发模型，利用每位患者的完整切片和多模态数据预测患者层面的复发，以贴近真实世界前列腺切除术标本的复杂性。任务标签涉及前列腺癌、生化复发、组织病理学、H&E染色全切片图像、mpMRI、临床数据及多模态（来源 chimera.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《Task 1: Prostate Cancer Biochemical Recurrence Prediction》。
【数据内容】
源站原始描述：This task focuses on predicting biochemical recurrence (BCR) in prostate cancer patients using multimodal data, including histopathology (H&E-stained whole slide images), multiparametric MRI (mpMRI), and clinical information. Participants are tasked with developing models that predict patient-level recurrence using the complete set of slides and multimodal data per patient to closely mimic the complexity of real-world prostatectomy specimens
中文译文（机器翻译，仅供快速理解，请以原文为准）：本任务聚焦于利用多模态数据预测前列腺癌患者的生化复发（BCR），这些数据包括组织病理学（H&E染色的全切片图像）、多参数MRI（mpMRI）及临床信息。参与者的任务是开发模型，利用每位患者的全套切片和多模态数据预测患者层面的复发，以紧密模拟真实世界前列腺切除标本的复杂性。
【主题与分类】
主题标签：Prostate Cancer、Biochemical Recurrence、Histopathology、H&E-stained whole slide images、mpMRI、Clinical Data、Multimodal。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://chimera.grand-challenge.org/task-1-prostate-cancer-biochemical-recurrent-prediction/
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。
暂未开放有偿下载
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://chimera.grand-challenge.org/task-1-prostate-cancer-biochemical-recurrent-prediction/
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:
数据说明
CHIMERA Task 1 面向前列腺癌生化复发预测，包含组织病理、MRI及临床表格等多模态数据。
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。
