用于指导乳腺癌腋窝手术降级的多模态生物信息Transformer数据集

多模态乳腺癌数据集包含US、MG、MRI及临床病理变量。标准B模式超声由经验丰富的超声医师使用手持探头完成,采集原发肿瘤的正交视图,包括水平超声(US_H)和垂直超声(US_V)

ZenodoZenodo
datacite
浏览 7
医学影像分类乳腺癌多模态超声钼靶MRI临床病理腋窝手术降级
A biologically informed multimodal transformer to guide axillary surgery de-escalation in breast cancer

基本信息

模态
医学影像
大小
0.040317903 GB
任务类型
分类
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-11-03

资源简介

用于指导乳腺癌腋窝手术降级的多模态生物信息Transformer数据集

多模态乳腺癌数据集包含US、MG、MRI及临床病理变量。标准B模式超声由经验丰富的超声医师使用手持探头完成,采集原发肿瘤的正交视图,包括水平超声(US_H)和垂直超声(US_V)

A biologically informed multimodal transformer to guide axillary surgery de-escalation in breast cancer

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):多模态乳腺癌数据集包含US、MG、MRI及临床病理变量。标准B模式超声由经验丰富的超声医师使用手持探头完成,采集原发肿瘤的正交视图,包括水平超声(US_H)和垂直超声(US_V)。MG由二维全视野数字乳腺摄影(FFDM)组成,按两个标准视图采集:双侧头尾位MG(MG_CC)和内外侧斜位MG(MG_MLO)。动态增强磁共振成像(MRI_DCE)是本研究中主要的成像模态,采用静脉注射对比剂后采集的T1加权序列。这些文件是开发和验证MAT模型所用数据集中随机选取的示例。提供了前瞻性内部队列的临床病理源数据。您可以通过电子邮件(dzh_dzh@126.com)与我们联系。

【主题与分类】

主题标签:乳腺癌、多模态、超声、钼靶、MRI、临床病理、腋窝手术降级。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.23190521

使用许可:Creative Commons Attribution 4.0 International。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

暂未开放

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。

免登录

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://doi.org/10.5281/zenodo.23190521

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据集大小约 40.3 MB。

数据说明

多模态乳腺癌数据集包括超声(US)、钼靶(MG)、磁共振成像(MRI)及临床病理变量。标准B模式超声由经验丰富的超声医师使用手持探头进行,采集原发肿瘤的正交视图,包括水平超声(US_H)和垂直超声(US_V)。钼靶包括二维全视野数字乳腺摄影(FFDM),以两种标准视图获取:双侧头尾位钼靶(MG_CC)和内外侧斜位钼靶(MG_MLO)。动态对比增强磁共振成像(MRI_DCE)作为本研究的主要成像方式,在静脉注射对比剂后采集T1加权序列。这些文件是用于开发和验证MAT模型的数据集中随机选取的示例。提供了前瞻性内部队列的临床病理源数据。您可以通过电子邮件(dzh_dzh@126.com)与我们联系。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。