肺部定量影像网络数据集
QIN Lung CT Collection 提供肺部CT影像与标准化标注数据，用于肿瘤定量分析、影像算法验证及医学影像计算方法研究。
基本信息
资源简介
肺部定量影像网络数据集
【一句话概览】
本数据集是 TCIA 公开的影像数据集，收录 合计 30.76 GB、49 例受试者，主题涵盖 Low Grade Glioma、Malignant Glioma，可用于医学图像分割、检测与分类模型的训练与评测，TCIA Site License 许可开放获取。
【数据集背景】
本数据集源站标题为《Glioma DSC-MRI Perfusion Data with Standard Imaging and ROIs》。源站首次发布：2019/08/28。
【数据内容】
源站原始描述：This collection contains MR images of both low and high grade glial brain lesions. Data includes post-contrast T1w images with co-registered volumes of dynamic susceptibility contrast (DSC) MR images in DICOM format. Binary regions of interest are also included, in DICOM format, of the lesion, arterial input function, normal appearing white matter, normal appearing cerebral cortex, and whole brain. The data was provided to help facilitate research activities of the National Cancer Institute''s (N…
【数据结构与技术规格】
数据集 DOI：10.7937/K9/TCIA.2016.5DI84Js8。
【主题与分类】
源站学科分类：MR。主题标签：Low Grade Glioma、Malignant Glioma。
【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://www.cancerimagingarchive.net/collection/qin/
使用许可：TCIA Site License（https://creativecommons.org/licenses/by/3.0/）。
规范引用：Kathleen M Schmainda, Melissa A Prah, Jennifer M Connelly, Scott D Rand. (2016). Glioma DSC-MRI Perfusion Data with Standard Imaging and ROIs [ Dataset ] . The Cancer Imaging Archive. DOI: 10.7937/K9/TCIA.2016.5DI84Js8
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（TCIA 标准方式）
方式一：NBIA 搜索
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager 批量下载 DICOM。
方式二：NBIA API（程序化）
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据说明
QIN Lung CT Collection 属于NCI定量影像网络项目，提供肺部CT影像及标准化标注，用于肿瘤定量分析及影像算法验证研究。
数据加载示例（DICOM 影像）
import pydicom, glob, os
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality)
img = d.pixel_array
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。
