癌症基因组图谱-头颈部鳞状细胞癌数据集
TCGA-HNSC 是全球最权威的头颈部鳞癌分子流行病学与组学数据库，包含口咽及扁桃体癌症患者的基因表达谱（RNA-Seq）、突变、拷贝数变异、临床随访表型及数字病理切片图像，主要用于癌症分子分型及生存预后模型构建。由National Cancer Institute提供，来自GDC Data Portal，包含多种数据模态，包含528条数据记录，适用于分类任务，许可证为Open Data Commons。
基本信息
资源简介
癌症基因组图谱-头颈部鳞状细胞癌数据集
【数据集背景】
本数据集源站标题为《Head and Neck Squamous Cell Carcinoma》。
【数据内容】
源站原始描述：disease_type: Squamous Cell Neoplasms；primary_site: Base of tongue, Lip, Gum, Hypopharynx, Palate, Other and ill-defined sites in lip, oral cavity and pharynx, Bones, joints and articular cartilage of other and unspecified sites, Other and unspecified parts of tongue, Floor of mouth, Tonsil, Other and unspecified parts of mouth, Oropharynx, Larynx；data categories: Simple Nucleotide Variation, Sequencing Reads, Biospecimen, Clinical, Copy Number Variation, Transcriptome Profiling, DNA Methylation…
【主题与分类】
主题标签：[''Squamous Cell Neoplasms'']、[''Base of tongue'', ''Lip'', ''Gum'', ''Hypopharynx'', ''Palate'', ''Other and ill-defined sites in lip, oral cavity and pharynx'', ''Bones, joints and articular cartilage of other and unspecified sites'', ''Other and unspecified parts of tongue'', ''Floor of mouth'', ''Tonsil'', ''Other and unspecified parts of mouth'', ''Oropharynx'', ''Larynx'']。
【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://portal.gdc.cancer.gov/projects/TCGA-HNSC
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。
需登录公开下载
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://portal.gdc.cancer.gov/projects/TCGA-HNSC
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 2100.00 GB。
数据说明
TCGA-HNSC 是全球最权威的头颈部鳞癌分子流行病学与组学数据库，包含口咽及扁桃体癌症患者的基因表达谱（RNA-Seq）、突变、拷贝数变异、临床随访表型及数字病理切片图像，主要用于癌症分子分型及生存预后模型构建。
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。
