乳腺癌威斯康星州（诊断）数据集
该数据集包含从乳腺肿块细针抽吸数字化图像中提取的细胞核特征数据，涉及形态、大小和纹理等多维数值特征，属于医学图像衍生数据模态，主要用于机器学习模型训练以预测肿瘤的良性或恶性，支持乳腺癌诊断、模式识别和临床辅助决策研究。
基本信息
资源简介
乳腺癌威斯康星州（诊断）数据集
【数据内容】
源站原始描述：从乳腺肿块的细针抽吸（FNA）的数字化图像计算特征。它们描述了图像中存在的细胞核的特征。在3维空间中描述的空间如下：[KP Bennett和
中文译文（机器翻译，仅供快速理解，请以原文为准）：从乳腺肿块的细针抽吸（FNA）数字化图像中计算出的特征。这些特征描述了图像中细胞核的特性。在三维空间中描述的空间如下：[KP Bennett和
【获取与许可】
源站页面：https://tianchi.aliyun.com/dataset/88346
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。
需登录公开下载
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。
暂未开放有偿下载
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（阿里天池）
- 访问源站：https://tianchi.aliyun.com/dataset/88346
- 登录阿里云/天池账号（淘宝/支付宝快捷登录）；
- 数据集详情页点击「下载」获取直链（大文件多为 oss 分片，可用
curl -L -o file <链接>下载）； - 部分竞赛数据需报名赛事后可见。
数据说明
该数据集是一个用于乳腺癌诊断的公开医学数据集，基于乳腺肿块的细针抽吸（FNA）数字化图像计算得到。它包含从细胞核图像中提取的多个特征，描述了细胞核的形态、大小、纹理等属性。数据来源于威斯康星州医院的临床样本，通过图像处理和特征提取构建而成，主要用于机器学习中的分类任务，以预测肿瘤为良性或恶性，支持癌症诊断、模式识别和医疗决策辅助研究。
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。
