BCSDBT-seg 乳腺病灶体素级分割数据集

数据集获取

源站：https://doi.org/10.57760/sciencedb.42939

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。

数据说明

数字乳腺断层合成（DBT）已成为乳腺癌筛查的重要成像方式，因为与传统乳腺X线摄影相比，它能减少组织重叠并提高病灶的可见性。公开可用的DBT数据集仍然稀缺，且现有数据集大多仅提供病灶级标签或边界框标注。为促进DBT分割算法的开发与评估，我们提出DBT-Seg数据集，这是一个源自公开可用的乳腺癌筛查数字乳腺断层合成（BCS-DBT）数据集的体素级病灶分割数据集。专家标注者在包含经活检证实为良性和恶性发现的DBT切片上手动勾画了病灶边界。该数据集以标准图像格式包含体素级乳腺病灶掩膜，并与原始DBT检查相关联。此外，还提供了每个病例的乳腺影像报告和数据系统（BI-RADS）评分。该数据集包含201名患者的396幅DBT图像，包括经活检确认的MLO和CC视图。

该数据集旨在支持广泛的应用，包括病变分割、放射组学以及开发用于DBT图像分析的深度学习模型。

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。