技能简介
公开影像课题常见的第一步不是建模，而是先判断“哪份队列最适合我现在的问题”。这一期把公开队列检索、代表性元数据预览和 shortlist 整理放在一起。
传统方式通常需要 30–60分钟，而把流程说清楚后，AI 辅助可以在 约10分钟 内先跑出第一轮可汇报结果。
🧭 开始前先确认这 4 件事
癌种与模态先限定
CT、MR、病理和不同癌种的队列差异很大，最好先明确你要找什么。
shortlist 标准先定
病例量、模态覆盖、元数据完整度和匿名化状态最好一开始就写成筛选标准。
代表性样本预览不可省
看到队列名不代表马上能用，最好先看一眼实际元数据质量。
后续用途先说明
分割、分类、生存分析或 radiomics 对队列要求并不相同。
📦 一轮像样输出至少应交付这 4 样
公开队列清单
汇总队列名称、癌种、模态、样本量和基本说明。
DICOM 元数据摘要
抽样检查 series 描述、层数和基础质量字段，帮助判断是否值得下载。
交互式筛选视图
把病例量、模态和时间范围做成更容易比较的 dashboard。
课题 shortlist
给出更适合当前问题的公开影像队列候选。
💡 适用场景
公开影像课题起步
先把可用队列摸清楚，再决定是否进入真正的数据下载和建模。
找新课题入口
当你想从公开数据库里找新方向时，这一页尤其有用。
影像组会盘点
用一页 cohort 地图比零散链接更适合团队讨论。
下载前预筛
先做 shortlist，能明显减少盲目下载和重复整理。
⚙️ 核心实操流程
先按癌种和模态找可用公共队列
第一步你先别急着下载。 先把池子里的队列盘一遍。 哪个癌种病例更多、哪类模态更全，已经先给你列清楚了
调用 `imaging-data-commons`： 检索 NSCLC、乳腺癌、肝癌等癌种的公开影像队列， 返回病例量、影像模态（CT / MR / pathology）、公开可用性和数据说明。
抽代表性样本看元数据质量
公开数据不是看到名字就能直接用。 你还得先判断它的元数据是不是够规整。 第二步跑完以后，哪些队列更适合上手，你心里就有底了
对 shortlist 里的 1-2 个队列， 用 `pydicom` 读取代表性样本的 DICOM 元数据， 检查 series 描述、slice 数、像素间距和匿名化状态。
把队列特征做成可交互 dashboard
当队列一多，表格就不够看了。 一旦把它做成 dashboard， 你马上就能按癌种、模态、病例量去筛最合适的那批数据
调用 `plotly`： 把不同队列的癌种、病例量、模态分布、时间范围和 DICOM 基础指标， 做成交互式 dashboard， 方便筛选最适合当前课题的队列。
输出一份公开影像队列 shortlist
最后你拿到的，不是下载了一堆不知道怎么用的数据。 而是一张能直接指导你下一步课题设计的影像 shortlist。 这一步对做公开数据库课题特别重要
把以上结果整理成公开癌症影像队列 shortlist，包含： - 队列名称 - 癌种 - 模态 - 样本量 - 元数据质量 - 推荐用途（分割 / 分类 / 生存分析 / radiomics） 并写一段适合开题 / 组会汇报的总结说明。
建议录制的关键画面
- IDC 队列检索结果
- 代表性样本元数据预览
- cohort dashboard 生成
- 队列 shortlist 表
- 开题 / 组会总结卡片
建议准备的关键截图
- 队列清单表
- DICOM 元数据摘要
- dashboard 页面
- 推荐用途 shortlist
🧯 最常见的 4 类翻车点
只看病例量不看模态
病例多不代表适合当前任务，模态和标注情况同样重要。
看到队列名就直接下载
不先抽样看元数据，后面往往会在结构或质量上踩坑。
忽略用途差异
分割、分类和 radiomics 对队列要求不同，不能用一套标准硬套。
shortlist 不写筛选理由
如果没有记录为什么入选，后续团队复核会很困难。
🔗 相关技能
💡 代码包内含 README.md，说明目录结构、主要文件与使用建议。解压后即可继续整理或二次演示。