用途:通过 idc-index Python 包查询和下载美国国家癌症研究所影像数据共享平台(IDC)的公开癌症影像数据,数据访问无需认证。当前 IDC 数据版本为 v24,可用 IDCClient().get_idc_version() 核实。
主要能力:用 client.sql_query() 按元数据筛选(癌症类型、模态、解剖部位等);用 client.download_from_selection() 下载 DICOM 文件;用 client.get_viewer_URL(seriesInstanceUID=...) 在浏览器中查看影像,无需本地 DICOM 查看器;查询许可信息并用 citations_from_selection() 生成引用;支持批量下载与 BigQuery 高级查询。
使用方式:先安装并升级包:uv pip install --upgrade idc-index(或 pip install --upgrade idc-index)。每次 IDC 数据发布都会对应新的 idc-index 版本,旧版本会静默查询过期数据;0.12.4 及更早版本固定 pandas<=2.2.4,与 pandas 3 冲突,0.12.5 放宽为 pandas<4。资料建议以 0.12.5 为最低版本,并按版本号而非字符串比较。核心流程为:查询元数据 → 下载 DICOM → 浏览器可视化。
适用场景:查找公开的放射影像(CT、MR、PET)或病理切片显微影像;按癌症类型、模态、解剖部位等元数据选取影像子集;下载 IDC 的 DICOM 数据;在研究或商业应用前核查数据许可;无需本地查看器即可在浏览器中查看医学影像。
限制:不适用于读取、匿名化或转换本地已有 DICOM 文件(应使用 alterlab-pydicom)、本地全切片图像分块与组织检测(alterlab-histolab)、TCGA 等队列的体细胞突变/拷贝数(alterlab-cbioportal)、癌症突变特征与 census 基因(alterlab-cosmic)。BigQuery 需要 GCP 账号,仅在需要完整 DICOM 元数据、复杂 JOIN 或私有元素时使用;本地 sql_query 免费且无需 GCP 账号。下载文件按 CRDC UUID 命名(<uuid>.dcm),而非 DICOM UID。使用前应查询 license_short_name:CC BY 4.0/3.0(约 97%)允许商业使用但需署名,CC BY-NC 4.0/3.0(约 3%)仅限非商业用途,另有少量自定义许可。批量下载建议分批(如每次 10 个序列)以避免超时。其余细节暂未提供。