BreakHis 乳腺癌组织病理学数据库

资源简介

BreakHis 乳腺癌组织病理学数据库

是一个面向机器学习任务的公开显微图像数据集，收录了 7,909 张乳腺肿瘤组织显微图像，采集自 40X、100X、200X 和 400X 四种放大倍数。该数据集在发布时已将图像统一调整为 224×224 像素，并按二分类与多分类任务进行组织，便于直接用于分类模型的训练与评估。数据集以单个压缩包形式提供，文件名为 dataset_cancer_v1.zip，合计约 1.80 GB，发布于 2023 年 6 月 21 日，版本为 v1，DOI 为 10.17632/jxwvdwhpc2.1，来源站为 data.mendeley.com，本站归类为肿瘤 / 乳腺癌方向。

【数据集背景】

该数据集是为机器学习任务而创建的，旨在同时支持二分类和多分类问题。乳腺肿瘤组织病理学图像的自动判读是医学图像分析中的典型任务，该数据集通过提供带放大倍数信息、经过统一尺寸处理的显微图像，为相关分类实验提供了数据基础。源站描述明确指出其用途覆盖二分类与多分类两类分类问题，图像也已按这两类任务的组织方式进行了整理。

【数据内容】

数据集共包含 7,909 张乳腺肿瘤组织显微图像，全部图像均被调整为 224×224 像素。图像采集涉及 40X、100X、200X 和 400X 四种放大倍数，放大倍数信息构成数据组织的一个重要维度。数据以单个文件形式分发，文件样例为 dataset_cancer_v1.zip，合计约 1.80 GB，格式为 ZIP 压缩包。图像按照二分类和多分类任务分别组织，使用者可根据任务类型选取对应部分。

【采集与来源】

数据来源站为 data.mendeley.com，DOI 为 10.17632/jxwvdwhpc2.1，发布时间为 2023 年 6 月 21 日，版本为 v1。图像为乳腺肿瘤组织的显微图像，采集时使用了 40X、100X、200X 和 400X 四种放大倍数。关于采集机构、染色流程、扫描设备型号等更细的采集信息，源站未提供。

【适用场景】

该数据集适用于机器学习中的图像分类任务，既可用于二分类问题，也可用于多分类问题。由于图像覆盖四种放大倍数，使用者可以在不同放大倍数条件下开展分类实验，或考察模型对放大倍数变化的适应能力。统一的 224×224 像素尺寸使其便于接入常见的图像分类流程。关于具体的临床诊断用途或监管认定，源站未提供。

【使用方法】

使用时可先下载数据文件 dataset_cancer_v1.zip，该文件合计约 1.80 GB。数据以 ZIP 压缩包形式提供，需按压缩包格式解压读取。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，以避免因目录组织或标签编码理解偏差导致后续处理错误。关于压缩包内部的具体目录结构、标签文件命名规则等细节，源站未提供。

【质量与限制】

图像已被统一调整为 224×224 像素，这一处理便于模型输入，但相对于原始显微图像分辨率而言属于缩放后的版本，可能影响对细微结构的判读。数据仅覆盖乳腺肿瘤组织，任务范围限于二分类与多分类图像分类。关于数据集的标注质量控制流程、样本类别分布、患者层面的划分方式以及是否存在类别不平衡等信息，源站未提供。使用者应结合自身任务需求评估其适用性。

【引用与许可】

该数据集的 DOI 为 10.17632/jxwvdwhpc2.1，版本为 v1，来源站为 data.mendeley.com，引用时应以此标识定位数据集。关于具体的许可条款、使用限制与再分发条件，源站未提供，使用前应向来源站核实。