CMB-PCA：癌症登月生物样本库前列腺癌采集的DICOM转换幻灯片显微图像

数据集获取

源站：https://doi.org/10.5281/zenodo.16968136

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 23.3 KB。

数据说明

本数据集对应于美国国家癌症研究所影像数据共享平台（IDC）[1]提供的一系列图像及/或源自图像的数据。该数据集已由IDC团队转换为DICOM格式并录入。您可在此处通过IDC门户探索并可视化相应的图像。利用本Zenodo记录中包含的清单，按照下方下载指南，即可下载该集合的内容。集合描述：癌症登月生物样本库（CMB）是美国国家癌症研究所的一项倡议，旨在支持当前及未来对药物耐药性和敏感性的研究，以及其他NCI资助的癌症研究计划，目标是增进研究人员对癌症的理解及如何干预癌症的发生和发展。在此研究过程中，将从至少10种癌症类型的1000多名患者中纵向收集生物样本（医疗过程中取出的血液和组织）及相关数据，这些患者代表了美国的人口多样性，并在多个NCI社区肿瘤研究计划（NCORP）站点接受标准癌症治疗。

CMB 项目按多种癌症特异性集合进行组织。每个集合的数字病理图像均由 IDC 团队转换为 DICOM 表示，并通过 IDC 共享。本条目对应 CMB-PCA 集合（前列腺癌）。数字病理图像在添加描述其内容的元数据后，使用定制开源脚本和工具转换为 DICOM 全切片显微镜（SM）表示 [2,3]，如 [4] 所述。包含的文件中，清单文件的名称指示了该集合数据版本首次引入的 IDC 数据发布版本。例如，collection_id-idc_v8-aws.s5cmd 对应 IDC 数据发布版本 v8 中引入的 collection_id 集合的内容。如果此 Zenodo 页面存在后续版本，

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。