用于乳腺癌检测的标注乳腺X线摄影数据集
该数据集源自mini-MIAS乳腺X线摄影数据库，包含322张原始图像，经Roboflow人工标注为BC（乳腺癌）和Inconclusive两类
基本信息
资源简介
用于乳腺癌检测的标注乳腺X线摄影数据集
该数据集英文名为 Annotated Mammography Dataset for Breast Cancer Detection，本站归类于肿瘤 / 乳腺癌方向，来源于 data.mendeley.com，DOI 为 10.17632/zpbwjk38pt.1，版本为 v1，发布时间为 2025-03-27。数据集以 RAR 压缩包形式提供，文件名为 Breast Cancer Datasets.rar，合计约 393.75 MB。其原始图像来自知名的 mini-MIAS 乳腺X线摄影数据库，共 322 张图像，经 Roboflow 人工标注为 BC（乳腺癌）与 Inconclusive（不确定）两类，并经过统一预处理与数据增强，最终形成包含训练、验证与测试三个部分的标注数据集，可用于乳腺癌检测相关的研究与模型开发。
【数据集背景】
该数据集建立在 mini-MIAS 乳腺X线摄影数据库的基础之上。mini-MIAS 是由 J. Suckling 等人于 1994 年发布的数字化乳腺X线图像集合，在乳腺影像研究领域具有较高的知名度，原始数据可通过 MIAS Database 获取，共包含 322 张图像。本数据集正是在这一经典数据源的基础上，通过人工标注与后续处理构建而成，面向乳腺癌检测任务，属于肿瘤 / 乳腺癌分类下的影像数据集。
【数据内容】
数据集的核心内容是经过标注的乳腺X线摄影图像。标注工作借助 Roboflow 完成，采用人工方式对图像进行标注，标注类别共两个：其一为 BC，即 Breast Cancer（乳腺癌）；其二为 Inconclusive，即不确定类别。经过预处理、增强与划分后，最终数据集包含 917 张训练图像、10 张验证图像和 5 张测试图像。数据以单一 RAR 压缩包形式分发，文件名为 Breast Cancer Datasets.rar，合计约 393.75 MB。源站描述在介绍可用格式时被截断，仅提及数据集以四种格式提供，具体格式种类源站未完整提供。
【采集与来源】
数据集的图像来源为 mini-MIAS 乳腺X线摄影数据库，该库由 J. Suckling 等人于 1994 年建立，原始图像共 322 张，托管于 MIAS Database。本数据集在此基础上使用 Roboflow 进行人工标注，形成 BC 与 Inconclusive 两类标签。为统一数据规格，图像经过自动定向（auto-orientation）处理，并统一缩放至 640×640 像素。随后对训练样本施加数据增强，每个训练样本生成三个输出，所采用的变换包括水平翻转以及曝光调整（范围 -15% 至 +15%）。数据集的发布站点为 data.mendeley.com。
【适用场景】
基于其标注类别与数据组织方式，该数据集适用于乳腺癌检测相关的影像分类或目标检测类研究，可用于训练和评估能够区分乳腺癌（BC）与不确定（Inconclusive）情况的模型。由于数据已划分为训练、验证与测试三个子集，可直接用于模型训练过程中的拟合、调参与最终性能评估。其源自 mini-MIAS 的背景也使其适合作为与经典乳腺X线数据相关工作进行比较研究的基础数据。具体应用领域的更多说明源站未提供。
【使用方法】
使用时可先下载数据文件 Breast Cancer Datasets.rar，该压缩包合计约 393.75 MB，解压后按其中提供的格式读取数据。由于数据集以四种格式提供（具体格式种类源站描述被截断），使用前应确认所选格式与所用框架的兼容性。建议先在小样本上核对字段与编码，确认无误后再批量接入，以避免因格式或标注解析问题导致后续处理出错。训练、验证与测试子集的图像数量分别为 917、10 与 5，使用时应注意验证集与测试集规模较小，评估结果需谨慎解读。
【质量与限制】
该数据集的主要限制在于验证集与测试集规模很小，分别仅有 10 张和 5 张图像，可能影响评估结果的稳定性。标注类别中包含 Inconclusive（不确定）类，这类样本在建模与结果解释时需特别考虑。数据经过缩放至 640×640 像素以及增强处理（水平翻转、曝光调整），这些变换可能改变原始图像的某些特性。此外，数据集仅有一个压缩包文件，格式说明在源站描述中被截断，使用前需自行确认格式细节。其他质量相关信息源站未提供。
【引用与许可】
该数据集的 DOI 为 10.17632/zpbwjk38pt.1，版本为 v1，发布站点为 data.mendeley.com。其图像来源 mini-MIAS 数据库应引用 J. Suckling 等人 1994 年的工作。关于本数据集的具体许可条款，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://data.mendeley.com/datasets/zpbwjk38pt
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:
数据集大小约 393.8 MB。
数据说明
Jeevan S (2025). Annotated Mammography Dataset for Breast Cancer Detection [Dataset]. http://doi.org/10.17632/zpbwjk38pt.1
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。
