Ivy GAP胶质母细胞瘤图谱
Ivy Glioblastoma Atlas Project 面向胶质母细胞瘤及相关疾病研究，提供可公开访问的图像数据或临床/组学信息，适合用于图像分割、生物标志物探索、队列比较和算法验证等研究场景。
基本信息
资源简介
Ivy GAP胶质母细胞瘤图谱
【一句话概览】
Ivy Glioblastoma Atlas Project 是探索胶质母细胞瘤在细胞和分子层面解剖与遗传基础的基础资源。其数据集包括：ISH，即原位杂交组织切片及相邻 H&E 染色切片的细胞分辨率图像数据，并标注解剖结构；RNA-Seq，即对 ISH 解剖结构调查中识别的解剖结构及激光显微切割分离的推定癌症干细胞簇进行 RNA 测序的数据；标本元数据，即每位患者和肿瘤的去标识化临床数据（来源 glioblastoma.alleninstitute.org）。
【数据集背景】
本数据集源站标题为《Ivy Glioblastoma Atlas Project》。
【数据内容】
源站原始描述：The Ivy Glioblastoma Atlas Project is a foundational resource for exploring the anatomic and genetic basis of glioblastoma at the cellular and molecular levels. The Ivy Glioblastoma Atlas Project includes the following data sets ISH: Image data at cellular resolution of in situ hybridization (ISH) tissue sections and adjacent hematoxylin and eosin (H&E)-stained sections annotated for anatomic structures. RNA-Seq: RNA sequencing data for anatomic structures identified in the Anatomic Structures I…
中文译文（机器翻译，仅供快速理解，请以原文为准）：Ivy胶质母细胞瘤图谱项目是探索胶质母细胞瘤在细胞和分子层面解剖学及遗传学基础的一项基础资源。Ivy胶质母细胞瘤图谱项目包含以下数据集：ISH：原位杂交（ISH）组织切片及相邻的苏木精和伊红（H&E）染色切片的细胞分辨率图像数据，这些切片已标注解剖结构。RNA-Seq：针对解剖结构ISH调查中识别的解剖结构以及通过激光显微切割分离的推定癌症干细胞簇进行的RNA测序数据。样本元数据：每位患者和肿瘤的去识别化临床数据。
【主题与分类】
主题标签：glioblastoma、ISH、RNA-Seq、cancer stem cells、anatomic structures、brain tumor。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://glioblastoma.alleninstitute.org/
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://glioblastoma.alleninstitute.org/
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
Ivy Glioblastoma Atlas Project 是与胶质母细胞瘤相关的公开数据集，涵盖图像数据，可用于图像分割、疾病表型分析或模型评估。
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。
