乳腺癌多模态融合数据集

数据集获取

方式一：KaggleHub（Python，推荐 AI Agent 使用）

# 前置依赖: pip install kagglehub
# 首次使用需 Kaggle 账号授权（浏览器弹一次，凭据缓存后免重复）
import kagglehub

path = kagglehub.dataset_download("sepehreslamimoghadam/breast-cancer-vision-and-genomic-fusion-ml-ready")
print("数据已下载至:", path)  # 返回本地目录路径

方式二：Kaggle CLI（命令行）

# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token,
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d sepehreslamimoghadam/breast-cancer-vision-and-genomic-fusion-ml-ready
unzip breast-cancer-vision-and-genomic-fusion-ml-ready.zip -d breast-cancer-vision-and-genomic-fusion-ml-ready/

数据集大小约 19.76 GB。

数据说明

Breast Cancer：Multi-Modal Fusion 是一个针对乳腺浸润癌（BRCA）患者构建的、已完成预处理的多模态数据集，旨在为构建多模态融合网络提供即插即用的基础，广泛应用于多模态融合建模、放射组学、生存预测及个性化治疗分析等研究场景。 该数据集严格对齐了 122 名 BRCA 患者的多源数据，所有样本均通过 TCGA Case ID 完成跨模态映射，实现了宏观医学影像（MRI）、微观数字病理学（Histopathology）、分子组学（Multi-Omics）以及临床治疗信息之间的一一对应。数据以 CSV 、病理 patch 图像及映射文件等形式组织。 数据构成 视觉模态（Vision Modality） MRI 扫描（mri_processed）：预处理后的乳腺 MRI 影像，用于学习肿瘤结构与影像特征 组织病理学切片（SVS_patches）：从 Whole Slide Images（WSIs）中提取的高分辨率病理切片 patch，可直接用于 CNN 、 ViT 等视觉模型训练 组织映射文件（MRI_and_SVS_Patches_index.json）：用于建

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。

许可

CC BY 4.0