findscripter 何时使用
适用：
- 查找 NCI 影像数据公地（IDC）中的公开放射影像（CT、MR、PET）或数字病理切片（SM）
- 按癌种、模态、解剖部位、厂商等元数据筛选影像子集，构建 AI 训练集
- 从 IDC 云存储批量下载 DICOM（免认证、免出口费）
- 用前核对数据许可（CC BY vs CC BY-NC）并生成署名引用
- 不下载本地，直接在浏览器（OHIF/SLIM）预览序列或整组检查
不该用：
- 读写/匿名化本地已下载的 DICOM 像素与标签 —— 用
dicom-medical-imaging - 私有、院内或非 IDC 来源的影像（IDC 仅含公开数据集）
- 需要全量 DICOM 标签或私有元素的复杂查询 —— 退到 BigQuery（需 GCP 计费账号）
步骤
- 装包并核对版本（最先做）：
pip install --upgrade idc-index；用IDCClient().get_idc_version()确认数据版本（当前 v23），落后则升级。 - 实例化
client = IDCClient()；index、prior_versions_index自动加载，其余表需client.fetch_index("表名")。 - 先探值再过滤：用
sql_query对index做SELECT DISTINCT Modality/BodyPartExamined ... GROUP BY看真实可选值，再带验证过的值正式查询（始终先加LIMIT试跑）。 - 选数据：癌种在
collections_index.CancerTypes（不在index），需 JOIN；衍生标注/分割用analysis_results_index、seg_index、ann_index。 - 下载：
client.download_from_selection(collection_id=... 或 seriesInstanceUID=[...], downloadDir=..., dirTemplate=...)；大集合分批（每批 10-20 个 series）防超时。 - 可视化：
client.get_viewer_URL(seriesInstanceUID=...)或studyInstanceUID=...取浏览器链接。 - 合规：查
license_short_name，并用client.citations_from_selection(...)生成引用（APA/BibTeX/JSON/Turtle）。
指令
# 1) 版本核对
from idc_index import IDCClient
client = IDCClient()
print(client.get_idc_version()) # 期望 "v23"，落后则 pip install --upgrade idc-index
# 2) 探查可选过滤值（先探后查）
client.sql_query("""
SELECT DISTINCT Modality, COUNT(*) AS n FROM index GROUP BY Modality ORDER BY n DESC
""")
# 3) 权威列/表结构：client.indices_overview（不必跑 SQL 即可查列与类型）
schema = client.indices_overview["index"]["schema"]
示例
按癌种 + 模态查（JOIN collections_index）：
client.fetch_index("collections_index")
df = client.sql_query("""
SELECT i.collection_id, i.PatientID, i.SeriesInstanceUID, i.Modality, i.license_short_name
FROM index i JOIN collections_index c ON i.collection_id = c.collection_id
WHERE c.CancerTypes LIKE '%Breast%' AND i.Modality = 'MR'
LIMIT 20
""")
下载指定 series（自定义目录层级）：
client.download_from_selection(
seriesInstanceUID=list(df['SeriesInstanceUID'].values),
downloadDir="./data/breast_mr",
dirTemplate="%collection_id/%PatientID/%Modality") # 默认含 %StudyInstanceUID 一级
命令行下载（装包后即有，自动识别 collection_id / UID / 清单文件）：
idc download rider_pilot --download-dir ./data
idc download "tcga_luad,tcga_lusc" --download-dir ./data
idc download manifest.txt --download-dir ./data # 清单每行一个 s3:// URL
浏览器可视化 + 许可与引用：
import webbrowser
webbrowser.open(client.get_viewer_URL(seriesInstanceUID=df.iloc[0]['SeriesInstanceUID']))
for c in client.citations_from_selection(collection_id="rider_pilot"):
print(c) # 默认 APA；citation_format=IDCClient.CITATION_FORMAT_BIBTEX 出 BibTeX
生成清单供复现/分批：
urls = client.sql_query("SELECT series_aws_url FROM index WHERE collection_id='rider_pilot' AND Modality='CT'")
open('ct_manifest.txt','w').write('\n'.join(urls['series_aws_url']))
注意事项
- 数据分层：IDC 在 DICOM（Patient→Study→Series→Instance）之上加
collection_id（原始影像分组，一患者属一集合）与analysis_result_id（跨集合的衍生分割/标注/影像组学）。 - 许可必查：约 97% 为 CC BY（可商用 + 署名），约 3% 为 CC BY-NC（仅非商用），个别自定义条款。发表/商用前务必查
license_short_name并附引用。 - 体量预估：先估大小再下，部分集合达 TB 级；下载文件名是
<crdc_instance_uuid>.dcm（非 SOPInstanceUID），云路径s3://idc-open-data/<crdc_series_uuid>/<crdc_instance_uuid>.dcm，可匿名访问、无出口费。 - 列/表以
client.indices_overview为准（随安装版本变化）；外部 indices_reference 文档可能超前于本地版本。 - 报错对策：
ModuleNotFoundError→pip install --upgrade idc-index；下载超时 → 减小批量、加重试；查无数据 → 先LIMIT 5试跑并核对字段名/版本；BigQuery 配额/计费→ 改用本地 mini-index。 - 仅当 mini-index 与各专用索引（seg/ann/sm/collections）都无所需元数据（如逐段解剖名、SR 定量/定性测量）时，才动用 BigQuery。
互见
- related：
dicom-medical-imaging—— 下载后读写/匿名化/三维重建本地 DICOM - related：
genomic-file-toolkit、scientific-database-lookup—— 配套科研数据获取 - combines_with：
guided-statistical-analysis、single-cell-rnaseq-analysis—— 下游影像/组学分析流水线
本条采编自 K-Dense-AI/scientific-agent-skills（MIT）。