ALN-Ultra乳腺癌腋窝淋巴结超声数据集
ALN-Ultra 包含来自 257 名乳腺癌患者的配对超声图像和视频，以及专家诊断和活检结果。该数据集有助于开发基于 2D 图像和 3D 视频的机器学习算法，旨在提高诊断准确性，并理解不同模态数据对 ALN 转移判断的贡献
基本信息
资源简介
ALN-Ultra乳腺癌腋窝淋巴结超声数据集
ALN-Ultra 是一个面向乳腺癌腋窝淋巴结（ALN）转移判断的超声数据集，汇集了来自 257 名乳腺癌患者的配对超声图像与视频，并配有专家诊断结论和活检结果。该数据集的核心价值在于同时提供二维静态图像与三维动态视频两种模态，使研究者能够开发并比较基于 2D 图像和 3D 视频的机器学习算法，一方面提升诊断准确性，另一方面深入理解不同模态数据在 ALN 转移判断中的贡献。数据集以 Creative Commons Attribution 4.0 International 许可开放，发布于 2025 年，托管于 Zenodo，来源站为 doi.org，本站将其归类于肿瘤 / 乳腺癌方向。
【数据集背景】
乳腺癌患者的腋窝淋巴结是否发生转移，是临床分期与治疗方案选择的重要依据。超声检查因其无创、便捷、可重复的特点，在腋窝淋巴结评估中被广泛使用。然而，超声判读具有一定主观性，不同医师之间可能存在差异。ALN-Ultra 的构建正是为了给基于机器学习的辅助诊断研究提供带有专家标注与活检金标准的数据基础，从而推动诊断准确性的提升，并帮助理解图像与视频两类数据在转移判断中各自的作用。
【数据内容】
该数据集包含来自 257 名乳腺癌患者的配对超声图像和视频。所谓“配对”，指同一患者同时具备静态图像与动态视频两种形式的数据。除影像数据外，数据集还提供专家的诊断结果以及活检结果，后者可作为判断淋巴结是否转移的参考标准。此外，为便于研究中使用临床信息，数据集还提供了患者临床标签，可通过源站给出的在线表格链接获取。
【采集与来源】
数据来源于乳腺癌患者的超声检查，患者数量为 257 名。数据集发布于 Zenodo，来源站为 doi.org，发布时间为 2025 年。作者信息标注为 Anonymous。关于具体的采集设备、采集医院、采集时间跨度、图像与视频的采集参数等信息，源站未提供。
【适用场景】
该数据集主要适用于以下研究方向：开发基于 2D 超声图像的机器学习或深度学习模型，用于腋窝淋巴结转移的判断；开发基于 3D 视频的模型，利用动态信息辅助诊断；以及开展多模态融合研究，比较图像与视频两种数据形式对 ALN 转移判断的贡献差异。此外，配有专家诊断与活检结果的特点，也使其可用于模型性能评估与不同方法的对比研究。
【使用方法】
使用者可依据数据集中的配对图像与视频开展模型训练与验证，并以专家诊断和活检结果作为参考标签进行评估。若研究需要纳入临床信息，可通过源站提供的在线表格链接获取患者临床标签。关于数据的具体目录结构、文件命名规则、图像与视频的格式、标注文件的组织方式以及推荐的数据划分方案，源站未提供。
【质量与限制】
数据集包含专家诊断与活检结果，为研究提供了参考标准；患者数量为 257 名，规模适中。关于数据质量的具体评估指标、标注一致性、图像与视频的采集质量、样本的人群分布与代表性、以及可能存在的偏倚，源站未提供。使用者在使用时应注意，数据集的适用范围应以源站描述为准。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可，使用时需按照该许可要求进行署名。数据集的作者标注为 Anonymous，机构为 Zenodo，发布时间为 2025 年。关于具体的引用格式、DOI 编号以及许可的详细条款，源站未提供。
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。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.18041008
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
ALN-Ultra包含来自257名乳腺癌患者的配对超声图像和视频，以及专家诊断和活检结果。该数据集有助于开发基于二维图像和三维视频的机器学习算法，旨在提高诊断准确性，并理解不同数据模态对ALN转移判断的贡献。为确保数据集中临床数据的可用性，我们在以下链接提供患者临床标签：https://docs.google.com/spreadsheets/d/1CDja2j_Z7UdkVqzxzPZPdMqDkQ2EmdTq/edit?usp=drive_link&ouid=112419306061326771291&rtpof=true&sd=true
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。
