TCIA CMB-GEC 胃癌病理完全缓解数据集
Cancer Moonshot Biobank 是美国国家癌症研究所（National Cancer Institute）的一项倡议，旨在支持当前和未来对药物耐药性和敏感性的研究，以及 NCI 资助的其他癌症研究倡议，目标是提高研究人员对癌症以及如何干预癌症发生和进展的理解
基本信息
资源简介
TCIA CMB-GEC 胃癌病理完全缓解数据集
Cancer Moonshot Biobank 是美国国家癌症研究所（National Cancer Institute）的一项倡议，旨在支持当前和未来对药物耐药性和敏感性的研究，以及 NCI 资助的其他癌症研究倡议，目标是提高研究人员对癌症以及如何干预癌症发生和进展的理解
【数据内容】
源站描述（机器翻译，仅供参考）：Cancer Moonshot Biobank 是美国国家癌症研究所（National Cancer Institute）的一项倡议，旨在支持当前和未来对药物耐药性和敏感性的研究，以及 NCI 资助的其他癌症研究倡议，目标是提高研究人员对癌症以及如何干预癌症发生和进展的理解。在本研究过程中，将从至少 1000 名患者中纵向采集生物样本（医疗操作过程中取出的血液和组织）及相关数据，这些患者涵盖至少 10 种癌症类型，正在多个 NCI Community Oncology Research Program（NCORP）站点接受癌症标准治疗。本集合包含从 NCI 的 Cancer Moonshot Biobank - Gastroesophageal Cancer（CMB-GEC）队列受试者中获取的去标识化放射学和组织病理学影像。相关的基因组、表型和临床数据将由 The Database of Genotypes and Phenotypes（dbGaP）及其他 NCI 数据库托管。Cancer Moonshot Biobank 影像工作的摘要可在 Cancer Moonshot Biobank Imaging 页面找到。 详细描述 引言 TCIA 上的 Biobank 放射影像数据包含每次扫描的“自入组（注册）以来的天数”，其嵌入 DICOM 文件（DICOM 标签 (0012,0053)）中。这允许在 TCIA 上的影像与 Biobank Catalog 上发现的临床事件数据之间进行时间对齐。 注意：为了使图像在 DICOM 阅读器中正确显示，放射影像数据还包含去标识化日期，这些日期保留了给定研究中扫描之间的时间顺序关系。 自入组（注册）以来的天数 除修改 DICOM 标头中的实际日期字段外，“自注册以来的天数”值也会被计算并存储在 DICOM 标签 (0012,0052)…
【主题与分类】
主题标签：医学影像、生物样本、临床数据、胃食管癌、肿瘤研究、纵向随访、耐药分析、药物敏感性。本站分类：肿瘤。
【获取与许可】
源站页面：https://cancerimagingarchive.net/collection/cmb-gec
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/cmb-gec
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 36.37 GB。
数据说明
TCIA 数据集 CMB-GEC。模态：未知。身体部位：未知。
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。
