癌症

该数据集是一个包含乳腺癌患者临床信息的表格数据集，记录了患者的年龄、手术年份、阳性淋巴结数量和5年生存状态，主要用于乳腺癌的生存分析、预后因素研究以及机器学习模型在医学预测中的开发与验证。

该数据集包含约10万张淋巴结癌组织的病理活检图像，数据模态为医学图像，按良性和恶性两类进行组织，每个类别下包含独立的图像文件，适用于计算机辅助诊断、癌症检测算法开发以及医学图像分类等研究方向，特别支持随机对比学习算法的训练与评估。

该数据集包含来自98名患者的胃癌组织整张切片图像，数据模态为高分辨率病理图像，通过Aperio扫描仪以40倍放大采集，主要用于胃癌病理图像分析、自动分级模型训练及计算机辅助诊断研究，支持医学人工智能在癌症诊断领域的应用。

该数据集是一个乳腺癌诊断相关的医学数据集，包含肿瘤的多种细胞学特征（如肿块厚度、细胞大小均匀性、细胞形状均匀性、边缘粘附性、单个上皮细胞大小、裸核、平淡染色质、正常核仁和有丝分裂）以及良性或恶性分类标签，数据模态为临床表格数据，主要用于机器学习模型在乳腺癌诊断、分类预测和特征分析方面的研究与应用。

Cancer-Net SCa-Synth是一个包含10,000张合成2D皮肤病变图像的数据集，图像模态为皮肤镜或临床照片，其中良性与恶性皮肤癌图像各5,000张，类别平衡。该数据集由滑铁卢大学利用Stable Diffusion和DreamBooth技术，基于少量真实图像生成，主要用于皮肤癌的自动检测与分类研究，旨在通过合成数据解决真实数据集的类别不平衡问题，以提升相关机器学习模型的诊断性能。

HEST-1k数据集是一个多模态生物医学数据集，包含空间转录组学表达数据、全切片图像和元数据，涵盖人类和小鼠的25个器官及25种癌症类型的样本。该数据集主要用于空间转录组学分析、癌症机制研究以及表达与形态学关联的多模态整合分析，为生物医学研究提供了丰富的跨物种、多器官的癌症相关数据资源。

该数据集包含从数字化乳腺细针穿刺图像中提取的细胞核特征数据，数据模态为经过计算的图像特征，主要用于乳腺癌的良恶性分类研究，支持机器学习模型在医学影像分析和癌症诊断领域的应用开发。

该数据集包含乳腺癌诊断相关的医学特征数据，如半径、纹理、周长和面积等，数据模态为临床表格形式，主要用于机器学习模型训练，以支持乳腺癌的早期检测和分类研究，帮助提高诊断准确性和效率。

RenalCLIP 是一个面向肾脏癌评估的多模态医学数据集，主要包含来自中国四家医疗中心6867名患者的21819个CT扫描序列及其对应的放射学报告文本。该数据集通过视觉（CT影像）与语言（放射报告）的对齐学习，旨在构建一个能够支持自动解剖评分、良恶性鉴别、侵袭性分层、生存预后及跨模态检索等临床任务的基础模型，为肾脏癌的精准影像诊断和智能决策提供数据支持。

该数据集是一个包含100,000个图像块的医学图像数据集，数据模态为H&E染色组织病理学图像，涵盖了脂肪组织、背景、碎片、淋巴细胞、粘液、平滑肌、正常结肠粘膜、癌症相关基质和结直肠腺癌上皮等九种组织类别，主要用于结直肠癌的组织病理图像自动分类、组织分割以及癌症诊断算法的研究与开发，支持计算机辅助诊断和癌症研究领域的模型训练与验证。

该数据集是一个基于癌症患者电子病历的临床数据集，包含实验室测试、症状评分、治疗和药物、人口统计等多种临床表格模态数据，主要用于支持癌症治疗推荐、癌症进展估计和不良事件预测等研究方向，旨在为相关项目提供统一的数据处理管道。

CTDvic 是一个专注于癌症中循环肿瘤DNA (ctDNA) 变异和驱动基因的综合数据库，其数据模态主要包括基因变异注释和临床解释信息。该数据库整合了手动整理的1,674例已验证ctDNA变异的临床解读，并提供了一个从公开ctDNA突变谱中识别驱动基因与变异的分析流程，覆盖了17种癌症类型。其主要用途是服务于液体活检诊断和癌症基因组学研究，为ctDNA变异的分子诊断、预后评估以及治疗决策提供系统性的数据支持和分析工具。